Vsi vemo, kako poteka raziskovanje z roverjem. Rover usmerijo na lokacijo in mu rečejo, naj vzame vzorec. Nato ta vzorec podvrže analizi in pošlje rezultate domov. Bilo je izjemno učinkovito.
Toda pošiljanje vseh teh podatkov domov je drago in zamudno. Bo ta način dela še deloval? Ali pa je mogoče avtomatizirati?
Glavni cilj misij na Mars je trenutno odkrivanje preteklih znakov življenja. Rover zbere vzorec, naredi začetno analizo na njem, nato pa podatke pošlje domov. Težava je v stroških in času, ki je potreben za pošiljanje vseh teh podatkov nazaj na Zemljo. Kaj če bi bili roverji pametnejši in bi lahko optimizirali podatke, ki bi jih pošiljali nazaj na Zemljo? Ali bi lahko potem premagali nekatere resne omejitve pri pošiljanju podatkov nazaj na Zemljo?
'Moramo dati prednost količini podatkov, ki jih pošljemo nazaj na Zemljo, vendar moramo tudi zagotoviti, da pri tem ne zavržemo ključnih informacij.'
Victoria Da Poian, vodilna raziskovalka, NASA Goddard Space Flight Center.
To je vprašanje, s katerim se ukvarjata dva znanstvenika. Svoje raziskave so predstavili na nedavni Goldschmidtova konferenca . Vodilna raziskovalka je Victoria Da Poian iz Nasinega centra za vesoljske lete Goddard. Da Poian in njen soraziskovalec Eric Lyness, prav tako iz GSFC, sta razvila sistem umetne inteligence, ki bo debitiral na ESA/Roscosmos ExoMars Rover , ki bo leta 2023 pristal na Marsu.
Rover Rosalind Franklin bo verjetno pristal na Oxia Planum, blizu marsovega ekvatorja. To območje ima gladko pristajalno mesto in ima tudi potencial za shranjevanje vseh ohranjenih bioloških podpisov. Zasluge slike: NASA – http://marsnext.jpl.nasa.gov/workshops/2014_05/14_Oxia_Thollot_webpage.pdf, javna domena, https://commons.wikimedia.org/w/index.php?curid=44399454
'To je vizionarski korak v raziskovanju vesolja,' je dejal Da Poian v a izjava za javnost . 'To pomeni, da se bomo sčasoma premaknili od ideje, da so ljudje vpleteni v skoraj vse v vesolju, na idejo, da so računalniki opremljeni z inteligentnimi sistemi in da so usposobljeni za sprejemanje nekaterih odločitev in so sposobni prenašati prednostno najbolj zanimive ali časovno kritične informacije.'
Vprašanje učinkovitega prenosa podatkov je resnično. To je ozko grlo pri oblikovanju misije. Podatki imajo strošek – preverite svoj načrt mobilnega telefona – in ko bomo pošiljali misije vse dlje v Osončje in ko bodo naši roverji in orbiterji postajali vedno bolj znanstveno sposobni, bodo stroški prenosa vseh teh podatkov naraščali.
'Podatki iz roverja na Marsu lahko stanejo kar 100.000-krat več kot podatki na vašem mobilnem telefonu, zato moramo narediti te koščke čim bolj znanstveno vredne.' je dejal soraziskovalec Eric Lyness.
A kot poudarja Lyness, ne gre samo za stroške. Nezmožnost trenutnih roverjev, da razmislijo o tem, kaj počnejo s svojimi vzorci, nas znanstveno ovira.
Analizator organskih molekul Mars je največji instrument na roverju Rosalind Franklin. Vzorce mleti, segreva in izvaja masno spektrometrijo in plinsko kromatografijo za identifikacijo molekul. Novi sistem AI nevronske mreže bo testiran z MOMA na Marsu. Zasluge za sliko: Inštitut Max Planck za raziskave sončnega sistema.
'Pošiljanje podatkov nazaj na Zemljo stane veliko časa in denarja, kar pomeni, da znanstveniki ne morejo izvesti toliko eksperimentov ali analizirati toliko vzorcev, kot bi želeli,' je dejal Lyness v izjava za javnost . 'Z uporabo umetne inteligence za začetno analizo podatkov, potem ko so zbrani, vendar preden se pošljejo nazaj na Zemljo, lahko NASA optimizira, kar prejmemo, kar močno poveča znanstveno vrednost vesoljskih misij.'
To delo je osredotočeno na en sam instrument na ExoMars Roverju. (Rover je bil ponovno krsten kot Rosalind Franklin Rover , v čast znanstvenici Rosalind Franklin, katere delo je bilo ključnega pomena za naše razumevanje DNK.) Instrument je MOMA, Marsov analizator organskih molekul . MOMA je največji instrument na Rosalind Franklin in rover lahko vrta pod površino Marsa, da zbere vzorce organskih molekul, kjer so varne pred razgradnjo sonca in kozmičnih žarkov.
Toda mnogi vzorci MOMA - morda večina - ne bodo vsebovali nobenih organskih molekul, ki jih zanima. Druge bo treba ponovno testirati. Ideja nove umetne inteligence je, da se te odločitve predajo roverju. To bo zmanjšalo količino podatkov, ki jih je treba posredovati, in upajmo, da bo povečalo učinkovitost MOMA.
»Kar dobimo s temi misijami brez posadke, so podatki, veliko; pošiljanje podatkov na stotine milijonov kilometrov je lahko v različnih okoljih zelo zahtevno in izjemno drago; z drugimi besedami, pasovna širina je omejena,« je pojasnil Da Poian. »Prednost moramo dati količini podatkov, ki jih pošljemo nazaj na Zemljo, vendar moramo tudi zagotoviti, da pri tem ne zavržemo pomembnih informacij. To nas je pripeljalo do tega, da smo začeli razvijati pametne algoritme, ki lahko za zdaj pomagajo znanstvenikom pri analizi vzorca in njihovem procesu odločanja o nadaljnjih operacijah, kot dolgoročni cilj pa bodo algoritmi, ki bodo analizirali same podatke, prilagodite in prilagodite instrumente za izvajanje naslednjih operacij brez ozemljitve v zanki, domov pa bodo posredovali le najbolj zanimive podatke.'
Umetnikov vtis o bližnjem srečanju New Horizons s sistemom Pluton-Charon. Prenos podatkov je bil kritično vprašanje za misijo. Njegov prelet Plutona je bil 14. julija 2015. Zadnji podatki iz tega srečanja so bili na Zemlji prejeti šele oktobra 2016. Močna umetna inteligenca bi bila koristna za misije v zunanje dosege Osončja. Zasluge: NASA/JHU APL/SwRI/Steve Gribben
Rosalind Franklin komunicira z Zemljo preko Trace Gas Orbiter (TGO). Vendar pa TGO prečka le dvakrat na dan, tako da zemeljski krmilniki ne bodo mogli neposredno nadzorovati roverja. Namesto tega je zasnovan za avtonomno navigacijo po površini Marsa, do 70 m (230 ft) na marsovski dan. Inteligentni sistemi za analizo vzorcev bodo povečali avtonomno zmogljivost roverja in, upajmo, prihodnjih roverjev. Za Rosalind Franklin bo večina vzorčnih podatkov še vedno poslana nazaj na Zemljo, za prihodnje roverje pa se to lahko spremeni.
Ekipa je preizkusila svoj avtonomni sistem z repliko instrumenta MOMA v svojem laboratoriju. Testiranje jim je omogočilo, da 'usposobijo' algoritem nevronske mreže za prepoznavanje znanih spojin. Sistem bo nato primerjal novo odvzete vzorce s svojim katalogom znanih vzorcev in opozoril znanstvenike, ko bo našel ujemanje.
Ko MOMA naleti na spekter neznane spojine, jo lahko kategorizira z natančnostjo do 94%. In se lahko ujema s prej znanimi spojinami z natančnostjo 87%. Tako so potencialni prihranki podatkov in časa že precejšnji. In raziskovalci še niso končali: še vedno izboljšujejo njegovo natančnost v pripravah na datum začetka leta 2023.
'Misija se bo soočila s strogimi časovnimi omejitvami.'
Eric Lyness, soraziskovalec, NASA GSFC
Navajeni smo, da misije roverjev bistveno presegajo svojo začetno dolžino misije. Na primer, Nasin rover Opportunity je bil zasnovan za 90 solov na Marsu, vendar je zdržal 5.352 solov. Primarna misija MSL Curiosity je bila načrtovana za 668 solov, vendar je delala za več kot 2.800 solov in je še vedno močna.
Vendar je nespametno domnevati, da bo rover Rosalind Franklin presegel svojo dolžino misije za tako velike razlike. Njegovo poslanstvo temelji na potovanju 4 km (2,5 milje) v sedmih mesecih. Kako dolgo bo misija dejansko trajala, ni jasno.
Izstrelitev roverja ESA Exomars je bila prestavljena na izstrelitev leta 2023. Credit:ESA
»Misija se bo soočila s strogimi časovnimi omejitvami. Ko bomo delovali na Marsu, bodo vzorci ostali v roverju največ nekaj tednov, preden rover odvrže vzorec in se premakne na novo mesto za vrtanje,« je dejal Lyness. 'Torej, če moramo ponovno testirati vzorec, moramo to storiti hitro, včasih v 24 urah.'
'V prihodnosti, ko bomo raziskovali lune Jupitra, kot je Evropa, in Saturna, kot sta Enceladus in Titan, bomo potrebovali odločitve v realnem času, ki jih bomo sprejemali na kraju samem.'
ERic Lyness, soraziskovalec, NASA GSFC
Ko Rosalind Franklin izvrta pod površje in zbere vzorec, ga postavi v predal analitskega laboratorija (ALD). Vzorce bomo nato analizirali z MOMA in dvema drugim instrumentoma: z infrardečim spektrometrom MicroOmega , in a ramanski spektrometer imenovan Ramanov laserski spektrometer ( RLS ). Kot poudarja Lyness, vzorcev ni mogoče dolgo hraniti v roverju. In ta časovni pritisk bo le še hujši za roverje, ki raziskujejo kraje, kot je Saturnova luna Titan, cilj za NASA-ino misijo Dragonfly leta 2026.
Na tej ilustraciji se helikopterski dron Dragonfly spušča na površje Titana. Ta misija se bo soočila s še hujšimi težavami pri prenosu podatkov kot Marsovi roverji. Slika: NASA
'V prihodnosti, ko bomo raziskovali lune Jupitra, kot je Evropa, in Saturna, kot sta Enceladus in Titan, bomo potrebovali sprejemanje odločitev v realnem času na kraju samem,' je dejal Lyness. »Pri teh lunah lahko traja od 5 do 7 ur, da signal z Zemlje doseže instrumente, tako da to ne bo tako, kot da bi nadzorovali dron s takojšnjim odzivom. Instrumentom moramo dati avtonomijo za hitre odločitve za dosego naših znanstvenih ciljev v našem imenu.'
'Še vedno bomo potrebovali ljudi za interpretacijo ugotovitev, toda prvi filter bo sistem AI.'
Eric Lyness, soraziskovalec, NASA GSFC
Vsi podatki iz vzorcev Rosalind Franklin temeljijo na verjetnosti. Podatke je lahko težko razlagati: ni rdeče luči, ki utripa in pravi 'Najdeni dokazi o življenju!' Podatke in njihove verjetnosti je treba razlagati, po možnosti različni raziskovalci v znanstveni skupnosti, ki nato objavijo svoje rezultate.
'Ti rezultati nam bodo v veliki meri povedali o geokemiji, ki jo najdejo instrumenti.' je rekla Lyness. 'Želimo si, da bi sistem znanstvenikom dal navodila, na primer naš sistem bi lahko rekel: 'Imam 91-odstotno zaupanje, da ta vzorec ustreza resničnemu vzorcu, in 87-odstotno sem prepričan, da so fosfolipidi, podobni vzorec, testiran 24. julija 2018, in tukaj je videti, kako so izgledali ti podatki.« Še vedno bomo potrebovali ljudi za interpretacijo ugotovitev, a prvi filter bo sistem AI.«
Sistemi, kot je ta, bodo le še bolj izpopolnjeni. Obstaja nekaj potencialnih pasti za sisteme, kot so ti, vendar je njihov potencial za vesoljske agencije preveč mamljiv, da bi ga prezrli. Do takrat, ko bo sistem testiran na terenu na Marsu in nato implementiran v NASA-ino misijo Dragonfly na Titan, kdo ve, kako močan in sposoben bo.
