Los investigadores de la NASA han estado trabajando arduamente en un sistema piloto de inteligencia artificial destinado a ayudar a futuras misiones de exploración a encontrar evidencia de vida en otros planetas de nuestro sistema solar. Los algoritmos de aprendizaje automático ayudarán a los dispositivos de exploración a analizar muestras de suelo en Marte y devolver los datos más relevantes a la NASA. El programa piloto está actualmente programado para una ejecución de prueba durante La misión ExoMars que verá su lanzamiento a mediados de 2022.
Como informa IEEE Spectrumla decisión de utilizar el aprendizaje automático y la inteligencia artificial para ayudar en la búsqueda de vida en otros planetas fue impulsada en gran medida por Erice Lyness, directora de el Laboratorio de Ambientes Planetarios Goddard en la NASA Lyness necesitaba idear formas de automatizar aspectos de los análisis geoquímicos de muestras tomadas en otras partes de nuestro sistema solar. Lyness decidió que el aprendizaje automático podría ayudar a automatizar muchas de las tareas que deben realizar las naves de exploración como los rovers de Marte, incluida la recolección y el análisis de muestras de suelo marciano.
El rover ExoMars Roslanind Franklin será capaz de perforar al menos dos metros de profundidad en el suelo marciano. A esta profundidad, la luz ultravioleta del sol no habrá matado a ningún microbio que viva allí. Esto hace posible que el rover pueda encontrar bacterias vivas. Incluso si no se encuentran muestras de bacterias vivas, es posible que el taladro encuentre evidencia fosilizada de vida en Marte, remanente de eras anteriores cuando el planeta era más hospitalario para la vida. Las muestras que encuentre el taladro del rover se entregarán a un instrumento llamado espectrómetro de masas para su análisis.
El propósito del espectrómetro de masas es estudiar la distribución de masa en los iones que se encuentran dentro de una muestra determinada. Esto se logra mediante el uso de un láser en la muestra de suelo, que libera moléculas en la muestra de suelo y luego calcula la masa atómica de las diferentes moléculas. Este proceso produce un espectro de masas, que los investigadores analizarán para discernir por qué podrían estar ocurriendo los patrones de picos que están viendo en el espectro. Sin embargo, hay un problema con los espectros generados por el espectrómetro de masas. Varios compuestos producen una amplia variedad de espectros diferentes. Es un rompecabezas analizar un espectro de masas y determinar qué compuestos se encuentran dentro de la muestra, pero los algoritmos de aprendizaje automático podrían ayudar.
Los investigadores están estudiando un mineral llamado montmorillonita. La montmorillonita se encuentra comúnmente en el suelo marciano, y los investigadores pretenden comprender cómo podría manifestarse el mineral dentro de un espectro de masas. El equipo de investigadores incluye muestras de montmorillonita para ver cómo cambia la salida del espectrómetro de masas, brindándoles pistas sobre cómo se ve el mineral dentro de un espectro de masas. Los algoritmos de IA ayudarán a los investigadores a extraer patrones significativos del espectrómetro de masas.
Como Lyness fue citado por IEEE Spectrum:
“Podría tomar mucho tiempo desglosar realmente un espectro y entender por qué estás viendo picos en ciertos [masses] en el espectro Entonces, cualquier cosa que pueda hacer para orientar a los científicos en una dirección que diga: ‘No se preocupen, sé que no es este tipo de cosas o ese tipo de cosas’, pueden identificar más rápidamente lo que hay allí».
Según Lyness, la misión ExoMars será un excelente caso de prueba para los algoritmos de IA diseñados para ayudar a interpretar los espectros de masa generados por las muestras.
Existen otras aplicaciones potenciales para la IA y el aprendizaje automático en el campo de la astrobiología. El dron Libélulay potencialmente otra misión futura, operará más lejos de la Tierra y en entornos más duros y requerirá automatizar aspectos de la navegación y la transmisión de datos.