NASA AI moet beslissende vooruitgang boeken

NASA zet een nieuwe stap in de richting van efficiënt ruimteonderzoek: een nieuw algoritme voor kunstmatige intelligentie heeft tot doel de analyse van Mars-monsters te versnellen en de zoektocht naar sporen van leven te verbeteren. De technologie, ontwikkeld door Goddard Space Flight Center, maakt gebruik van machinaal leren om de meest relevante informatie uit grote hoeveelheden gegevens te halen.

Kunstmatige intelligentie ontmoet Mars-onderzoek

Het algoritme is getraind met behulp van meer dan een decennium aan laboratoriumgegevens. Leert door voorbeelden te laten zien van materialen die mogelijk op Mars aanwezig zijn. “Het algoritme helpt ons de gegevens snel te filteren en naar de gegevens te verwijzen die waarschijnlijk het meest interessant of belangrijk zijn”, legt Xiang “Shun” Li uit, een expert op het gebied van massaspectrometrie bij NASA.

NASA introduceert de Mars Organic Molecular Analyzer (MOMA).

De nieuwe technologie zal voor het eerst worden gebruikt tijdens de ExoMars-missie van de European Space Agency (ESA). Aan boord van de Rosalind Franklin-rover, die uiterlijk in 2028 moet worden gelanceerd, bevindt zich de Mars Organic Molecular Analyzer (MOMA) – een complex apparaat dat “de chemische apparatuur van een heel laboratorium comprimeert tot een pakket ter grootte van een broodrooster”, aldus NASA .

Rosalind Franklin Rover: diepere inzichten

Wat de Rosalind Franklin Rover bijzonder maakt: Hij kan tot twee meter diep op Mars boren, veel dieper dan eerdere missies die slechts zo’n zeven centimeter bereikten. Deze diepte kan cruciaal zijn voor het vinden van organische verbindingen die mogelijk afkomstig zijn van levende organismen.

MOMA beschikt over een geavanceerde massaspectrometer. Het kan monsters op verschillende manieren analyseren, waaronder gaschromatografie en laserdesorptie-massaspectrometrie. Ten slotte worden organische moleculen vrijgegeven en geïoniseerd door korte pulsen van ultraviolet licht – een proces dat minder dan een nanoseconde duurt en de nauwkeurigheid van moleculaire identificatie verbetert.

Kunstmatige intelligentie als alternatief voor de spelregels

Het grootste voordeel van kunstmatige intelligentie: het kan patronen herkennen die voor menselijke onderzoekers misschien niet duidelijk zijn. “Hoe beter we de data-analyse verbeteren, hoe meer tijd wetenschappers hebben om de data te interpreteren”, legt Victoria Da Boyan uit, datawetenschapper bij NASA en medeleider van de algoritmeontwikkeling.

Nadat MOMA het monster heeft geanalyseerd, worden de gegevens teruggestuurd naar de aarde. Daar gebruiken wetenschappers het algoritme om snel de volgende stappen te bepalen die het meest logisch zijn voor de rover. Hierbij kan gedacht worden aan aanvullende monsternames of aanvullende analyses.

Kijkend naar de toekomst

Li en Da Boyan zien een groot potentieel in hun algoritme voor toekomstige verkenningsmissies, niet alleen op Mars, maar ook op de manen van Saturnus Titan, Enceladus en Jupiters maan Europa. Het langetermijndoel is het bereiken van een grotere ‘wetenschappelijke autonomie’, waarbij massaspectrometers hun eigen gegevens analyseren en zelfs zelfstandig operationele beslissingen nemen.

Dit zou van cruciaal belang kunnen zijn voor missies naar verder weg gelegen hemellichamen, omdat het voorrang zou geven aan het verzamelen en communiceren van gegevens en uiteindelijk veel meer wetenschappelijke kennis zou opleveren dan momenteel mogelijk is met dergelijke verre missies.

Wat vindt u van het gebruik van kunstmatige intelligentie bij ruimteverkenning? Ziet u hierin meer kansen of risico’s? Laat het ons weten in de reacties.

Zie ook: