Los investigadores del Centro de Vuelo Espacial Goddard de la NASA en Greenbelt, Maryland, están explorando el uso del aprendizaje automático para acelerar el análisis de muestras de Marte. La recolección de información recogida por los rovers, se podría optimizar para ayudar a los científicos a planificar estrategias más eficientes, con el uso del tiempo en las misiones planetarias.
Un análisis de muestras de Marte más rápido y más eficiente
El Dr. Xiang “Shawn” Li, científico de espectrometría de masas en el Laboratorio de Goddard, mencionó que este algoritmo puede ayudar a filtrar rápidamente los datos y señalar aquellos que pueden ser más relevantes o importantes para el análisis. Inicialmente, el algoritmo se probará con datos de Marte, procesados en una computadora terrestre, usando información recopilada por el instrumento Analizador de Moléculas Orgánicas de Marte (MOMA).
El MOMA es uno de los principales instrumentos científicos de la próxima misión ExoMars, liderada por la Agencia Espacial Europea (ESA). El rover Rosalind Franklin, cuyo lanzamiento está previsto no antes de 2028, tiene como objetivo determinar si alguna vez existió vida en Marte. Una vez que Rosalind Franklin recoja y analice una muestra con MOMA, los datos se enviarán a la Tierra, donde los científicos utilizarán esta data para decidir los apasos.
Según Li, si “una prueba de análisis” detalla signos de compuestos orgánicos grandes y complejos mezclados con minerales específicos, se deberían tomar decisiones: Realizar un estudio más detallado o asignar que el rover recolecte una mejor muestra, utilizando su taladro de extracción de núcleos.
La importancia del “aprendizaje automático”
Esta rama de la inteligencia artificial, permite a las computadoras recopilar grandes cantidades de datos para identificar patrones y tomar decisiones. Este proceso es útil en conjuntos de datos extensos y complejos, para el análisis de imágenes y espectros. La científica de datos del Goddard y co-desarrolladora del algoritmo, Victoria Da Poian, explicó que han logrado recopilar información de laboratorio, durante más de una década. Los científicos entrenan el algoritmo con ejemplos de sustancias que podrían encontrarse en Marte y lo utilizan para generar predicciones sobre la composición química de las muestras.
Además, Da Poian afirmó que optimizar el análisis de datos permite a los científicos tener más información y tiempo para interpretar los resultados, lo que facilita una reacción rápida y una planificación eficiente, como si estuvieran presentes con el rover.
El rover Rosalind Franklin es especial porque puede perforar hasta 2 metros en la superficie de Marte, mientras que los rovers anteriores solo alcanzaron 7 centímetros. Según Li, los materiales orgánicos en la superficie de Marte son destruidos por la radiación y los rayos cósmicos, pero a 2 metros de profundidad, la materia orgánica debería estar protegida, lo que permitirá al MOMA detectar materia orgánica antigua preservada y avanzar en la búsqueda de vida pasada.
La exploración futura del sistema solar podría ser más autónoma. Li y Da Poian consideran que su algoritmo podría ser útil en misiones futuras a lugares como las lunas de Saturno, Titán y Encélado, y la luna de Júpiter, Europa. Su objetivo a largo plazo es lograr una autonomía científica más avanzada, donde el espectrómetro de masas pueda analizar sus propios datos y tomar decisiones operativas de forma autónoma, aumentando la eficiencia de las misiones.
El Analizador de Moléculas Orgánicas de Marte. Fuente: NASA
El proyecto MOMA, liderado por el Instituto Max Planck para la Investigación del Sistema Solar (MPS) en Alemania, cuenta con el Dr. Fred Goesmann como investigador principal. El Instituto Goddard de la NASA desarrolló y construyó el subsistema del espectrómetro de masas MOMA, que medirá los pesos moleculares de los compuestos químicos en las muestras marcianas.
¡Síguenos en las redes sociales y no te pierdas ninguna de nuestras publicaciones!
YouTube LinkedIn Facebook Instagram X
Fuente y foto: NASA
Cargando...
