NASA、次期ミッションに向けた火星サンプル分析の加速のためAIを開発

メリーランド州グリーンベルトにあるNASAのゴダード宇宙飛行センターは、火星サンプルの分析プロセスを加速し、ロボットローバーが火星で過ごす時間を最適化する人工知能（AI）アルゴリズムを開発した。

新しいアルゴリズムは、まず2028年以降に打ち上げが計画されているExoMarsミッションのローザリンド・フランクリン・ローバーに搭載されたMOMA（火星有機分子分析装置）のデータを用いてテストされる。このロボットは火星に生命が存在したかどうかを解明することを目的としており、このアルゴリズムは調査中にどのデータに焦点を当てるべきかを特定するのを支援する。

NASA、機械学習で火星サンプル分析を効率化

NASAゴダードの質量分析科学者であるXiang「Shawn」Li氏は、新しいアルゴリズムの設計により、ローバーが収集したすべての情報を迅速に処理し、科学者の研究にとって注目すべきまたは重要な発見を抽出する能力があると説明した。このように、研究者は時間の面で火星ローバーを効率的に使用することに関して、より短い期間でより多くの作業を行うことができるようになる。

このシステムは、MOMAによって収集された情報を分析し、その後、さらなる研究のために地球に戻すことで機能する。これらの結果に基づき、科学者は特定のサンプルのより高度な検査や、他のサンプルの収集など、次のステップを決定する可能性がある。例えば、サンプルに特定の鉱物と混合した大型の複雑な有機化合物が含まれている場合、追加の分析が必要になるかもしれない。

ローザリンド・フランクリンの特徴の一つは、火星表面の下最大6.6フィート（2メートル）まで掘削できる能力であり、これは約2.8インチ（7センチ）しか到達できなかった以前の装置よりもはるかに深い。この掘削能力の向上により、宇宙線や放射線から保護された、より良好に保存された有機物質が明らかになり、古代の有機物や過去の生命の兆候を検出する可能性が高まる。

アルゴリズムの共同開発者であるNASAゴダードのデータサイエンティスト、Victoria Da Poian氏は、データ分析の効率化の重要性を強調した。火星に存在し得る物質の例で機械を訓練することで、ソフトウェアはテストされたサンプルの組成を予測できるようになり、科学者が迅速に対応し、より良い計画を立てられるようになっている。