Das Goddard Space Flight Center, eine NASA-Einrichtung in Marylands Greenbelt, hat einen Algorithmus für künstliche Intelligenz (KI) entwickelt, der den Prozess der Analyse von Marsproben beschleunigen und die Zeit optimieren soll, die Roboterrover auf dem Mars verbringen.
Der neue Algorithmus wird zunächst anhand von Daten des MOMA-Instruments (Mars Organic Molecule Analyzer) an Bord des ExoMars-Rovers Rosalind Franklin getestet, dessen Start frühestens 2028 geplant ist. Der Rover soll herausfinden, ob es jemals Leben auf dem Mars gab, und dieser Algorithmus wirddenthelfen, die relevanten Daten für diese Untersuchung zu identifizieren.
Die NASA nutzt maschinelles Lernen, um die Analyse von Marsproben zu optimieren
Xiang „Shawn“ Li, Massenspektrometrie-Wissenschaftler am NASA Goddard Space Flight Center, erklärte, dass der neue Algorithmus es ermöglicht, die vom Rover gesammelten Daten schnell zu analysieren und die wichtigsten oder auffälligsten Ergebnisse für die wissenschaftliche Forschung herauszufiltern. Dadurch können Forscher den Mars-Rover in kürzerer Zeit effizienter nutzen und mehr erreichen.
Das System funktioniert, indem es vom MOMA gesammelte Daten analysiert, die anschließend zur weiteren Untersuchung zur Erde zurückgesendet werden. Anhand dieser Ergebnisse können Wissenschaftler entscheiden, welche weiteren Schritte erforderlich sind, beispielsweise eine detailliertere Untersuchung einer bestimmten Probe oder mehrerer Proben. Enthält eine Probe beispielsweise große, komplexe organische Verbindungen, die mit bestimmten Mineralien vermischt sind, können zusätzliche Analysen notwendig sein.
Eine Besonderheit der Rosalind Franklin ist ihre Fähigkeit, bis zu 2 Meter tief unter die Marsoberfläche zu bohren. Dies ist deutlich tiefer als bei früheren Sonden, die nur etwa 7 Zentimeter erreichten. Durch diese größere Bohrtiefe könnten besser erhaltene organische Materialien freigelegt werden, die vor kosmischer Strahlung und der Oberflächenstrahlung geschützt sind. Dadurch erhöhen sich die Chancen, uralte organische Verbindungen sowie Spuren vergangenen Lebens zu entdecken.
Victoria Da Poian, Datenwissenschaftlerin am NASA Goddard Space Flight Center und Mitentwicklerin des Algorithmus, betonte die Wichtigkeit einer effizienteren Datenanalyse. Indem die Software anhand von Beispielen möglicher Substanzen auf dem Mars trainiert wird, kann sie nun die Zusammensetzung getesteter Proben vorhersagen und Wissenschaftlern so ein schnelleres Reagieren und eine bessere Planung ermöglichen.
