메릴랜드주 그린벨트에 위치한 NASA 산하 고다드 우주비행센터는 화성 샘플 분석 속도를 높이고 로봇 탐사선이 화성에서 보내는 시간을 최적화하는 인공지능(AI) 알고리즘을 개발했습니다.
새로운 알고리즘은 우선 2028년 이후에 발사될 예정인 엑소마스 미션의 로잘린드 프랭클린 로버에 탑재된 MOMA(화성 유기 분자 분석기) 장비의 데이터를 사용하여 테스트될 예정입니다. 이 로봇은 화성에 생명체가 존재했는지 여부를 밝히는 것을 목표로 하며, 이 알고리즘은 조사 과정에서 어떤 데이터에 집중해야 할지dent하는 데 도움을 줄 것입니다.
NASA는 머신러닝을 사용하여 화성 샘플 분석 결과를 매끄럽게 다듬습니다
NASA 고다드 우주비행센터의 질량분석 과학자인 샹 "숀" 리는 새로운 알고리즘 설계 덕분에 탐사선이 수집한 모든 정보를 신속하게 분석하여 과학자들의 연구에 중요한 단서를 찾아낼 수 있다고 설명했습니다. 이러한 방식으로 연구원들은 화성 탐사선을 효율적으로 활용하여 더 짧은 시간 안에 더 많은 연구를 수행할 수 있게 될 것입니다.
이 시스템은 뉴욕 현대미술관(MOMA)에서 수집한 정보를 분석한 후, 추가 연구를 위해 지구로 다시 전송하는 방식으로 작동합니다. 과학자들은 이러한 결과를 바탕으로 특정 샘플이나 다른 샘플들을 더욱 정밀하게 조사하는 등 추가적인 연구 단계를 결정할 수 있습니다. 예를 들어, 샘플에 특정 광물과 혼합된 복잡한 유기 화합물이 포함되어 있다면 추가 분석이 필요할 수 있습니다.
로잘린드 프랭클린 탐사선의 가장 큰 특징 중 하나는 화성 표면 아래 2미터(6.6피트)까지 시추할 수 있다는 점입니다. 이는 기존 탐사선들이 약 7cm(2.8인치)까지만 시추할 수 있었던 것에 비해 훨씬 깊은 깊이입니다. 이러한 시추 능력 향상은 우주선과 방사선으로부터 보호되어 더 잘 보존된 유기물을 표면에서 발견할 수 있도록 해주며, 고대 유기물과 과거 생명체의 흔적을 탐지할 가능성을 높여줍니다.
NASA 고다드 우주비행센터의 데이터 과학자이자 해당 알고리즘 공동 개발자인 빅토리아 다 포이안은 데이터 분석 효율성을 높이는 것이 중요하다고 강조했습니다. 화성에 존재할 수 있는 물질의 예시를 통해 기계를 학습시킨 결과, 소프트웨어는 이제 테스트 샘플의 구성을 예측할 수 있게 되었으며, 이를 통해 과학자들은 신속하게 대응하고 더 나은 사전 계획을 세울 수 있게 되었습니다.
