位于马里兰州格林贝尔特的美国宇航局戈达德太空飞行中心开发出一种人工智能（AI）算法，该算法将加快火星样本的分析过程，并优化机器人探测车在火星上停留的时间。.
新算法将首先使用来自ExoMars任务“罗莎琳德·富兰克林”号火星车上的MOMA（火星有机分子分析仪）仪器的数据进行测试。该火星车计划最早于2028年发射。这辆火星车旨在探明火星上是否曾经存在过生命，而该算法将有助于确定在调查过程中应dent关注哪些数据。.
NASA利用机器学习技术简化火星样本分析过程。
美国宇航局戈达德太空飞行中心的质谱科学家李翔（音译，Shawn Li）解释说，新算法的设计使其能够快速处理火星探测车收集的所有信息，并筛选出对科学家研究而言引人注目或重要的发现。这样一来，研究人员就能在更短的时间内完成更多工作，从而更有效地利用火星探测车。.
该系统的工作原理是分析MOMA收集的信息，并将这些信息传回地球进行进一步研究。基于这些结果，科学家们可以决定采取哪些后续步骤，例如对某个特定样本或一组其他样本进行更深入的分析。例如，如果某个样本含有与特定矿物质混合的大型复杂有机化合物，则可能需要进行额外的分析。.
罗莎琳德·富兰克林号火星探测器的一大特色是其钻探深度可达火星表面以下2米（6.6英尺），远超以往只能钻探约7厘米（2.8英寸）的探测器。这种更强的钻探能力能够揭示火星表面保存更完好的有机物，这些有机物免受宇宙射线和辐射的侵害，从而大大提高探测古代有机物以及生命迹象的几率。.
美国宇航局戈达德太空飞行中心的数据科学家维多利亚·达·波扬（Victoria Da Poian）是该算法的共同开发者之一，她强调了提高数据分析效率的重要性。通过向机器输入火星上可能存在的物质实例，该软件现在可以预测测试样本的成分，从而使科学家能够快速响应并更好地进行未来规划。.
