În 2023, NASA intenționează să lanseze Europa Clipper misiune, un explorator robot care va studia enigmatica lună Europa a lui Jupiter. Scopul acestei misiuni este de a explora învelișul de gheață și interiorul Europei pentru a afla mai multe despre compoziția lunii, geologia și interacțiunile dintre suprafață și suprafață. Mai ales, scopul acestei misiuni este de a arunca lumină dacă viața ar putea exista sau nu în oceanul interior al Europei.
Aceasta prezintă numeroase provocări, multe dintre ele decurgând din faptul că Europa Clipper va fi foarte departe de Pământ atunci când își va conduce operațiunile științifice. Pentru a rezolva acest lucru, o echipă de cercetători de la Jet Propulsion Laboratory (JPL) de la NASA și Arizona State University (ASU) au proiectat o serie de algoritmi de învățare automată care vor permite misiunea de a explora Europa cu un grad de autonomie.
Cum acești algoritmi ar putea ajuta la viitoarele misiuni de explorare în spațiu profund au fost subiectul unei prezentări susținute săptămâna trecută (7 august) la cea de-a 25-a Conferință ACM SIGKDD privind descoperirea cunoștințelor și extragerea datelor din Anchorage, Alaska. Această conferință anuală reunește cercetători și practicieni din știința datelor, exploatarea datelor și analitice din întreaga lume pentru a discuta despre cele mai recente dezvoltări și aplicații în domeniu.
Când vine vorba de aceasta, comunicarea cu misiuni în spațiu profund este o muncă care necesită mult timp și o provocare. Când comunicați cu misiuni pe suprafața lui Marte sau pe orbită, poate ajunge un semnal de până la 25 de minute pentru a ajunge de la Pământ (sau din nou). Trimiterea semnalelor către Jupiter, pe de altă parte, poate dura între 30 de minute până la o oră, în funcție de locul în care se află pe orbita sa în raport cu Pământul.
Așa cum notează autorii în studiul lor, activitățile navelor spațiale sunt transmise de obicei într-un scenariu pre-planificat, mai degrabă decât prin comenzi în timp real. Această abordare este foarte eficientă atunci când poziția, mediul și alți factori care afectează nava spațială sunt cunoscute sau pot fi prezise în avans. Cu toate acestea, înseamnă, de asemenea, că controlorii de misiune nu pot reacționa la evoluțiile neașteptate în timp real.
După cum a explicat pentru Space Magazine prin intermediul e-mailului, Dr. Kiri L. Wagstaff, cercetător principal la Grupul de învățare automată și instrumente de mașină NASA JPL.
„Explorarea unei lumi prea îndepărtate pentru a permite controlul uman direct este dificilă. Toate activitățile trebuie să fie scrise în prealabil. Un răspuns rapid la noi descoperiri sau schimbări în mediu necesită nava spațială în sine să ia decizii, pe care le numim autonomie navelor spațiale. În plus, operarea la aproape un miliard de kilometri distanță de Pământ înseamnă că ratele de transmitere a datelor sunt foarte mici.
“Capacitatea navei spațiale de a colecta date depășește ceea ce poate fi trimis înapoi. Acest lucru ridică întrebarea despre ce date ar trebui colectate și cum ar trebui să fie prioritate. În cele din urmă, în cazul Europei, nava spațială va fi bombardată și de radiații intense, care pot corupe datele și pot provoca resetări ale calculatorului. A face față acestor pericole necesită, de asemenea, o decizie autonomă. ”
Din acest motiv, Dr. Wagstaff și colegii săi au început să cerceteze metodele posibile pentru analiza datelor la bord care să funcționeze oriunde și ori de câte ori nu este posibilă supravegherea umană directă. Aceste metode sunt deosebit de importante atunci când avem de-a face cu evenimente rare, tranzitorii, a căror apariție, locație și durată nu pot fi prezise.
Acestea includ fenomene precum diavolii de praf care au fost observați pe Marte, impacturile meteoritelor, fulgerele pe Saturn și prăjiturile înghețate emise de Enceladus și alte corpuri. Pentru a rezolva acest lucru, Dr. Wagstaff și echipa sa au analizat progresele recente în algoritmii de învățare automată, care permit un grad de automatizare și luarea de decizii independente în calcul. După cum spunea Dr. Wagstaff:
„Metodele de învățare automată permit navei spațiale să examineze datele pe măsură ce sunt colectate. Nava spațială poate identifica apoi ce observații conțin evenimente de interes. Acest lucru poate influența alocarea priorităților de legătură în jos. Scopul este de a crește șansa ca cele mai interesante descoperiri să fie în primul rând reduse. Atunci când colectarea datelor depășește ceea ce poate fi transmis, nava spațială în sine poate extrage datele suplimentare pentru nuggets științific valoroase.
„Analiza de bord poate permite, de asemenea, nava spațială să decidă ce date să colecteze în funcție de ceea ce a descoperit deja. Acest lucru a fost demonstrat pe orbita Pământului folosind Experiența științifică autonomă și pe suprafața planetei Marte, folosind sistemul AEGIS din roverul Mars Science Laboratory (Curiosity). Colectarea autonomă și receptivă a datelor poate accelera mult explorarea științifică. Ne propunem să extindem această capacitate și la sistemul solar exterior. ”
Acești algoritmi au fost concepuți special pentru a ajuta trei tipuri de investigații științifice care vor avea o importanță extremă pentru Europa Clipper misiune. Acestea includ detectarea anomaliilor termice (puncte calde), anomaliilor compoziționale (minerale sau depozite neobișnuite de suprafață) și a plumelor active de materie înghețată din oceanul subteran al Europei.
„În acest cadru, calculul este foarte limitat”, a spus dr. Wagstaff. „Calculatorul navei spațiale funcționează cu o viteză similară cu computerul desktop de la mijlocul până la sfârșitul anilor 1990 (~ 200 MHz). Prin urmare, am prioritizat algoritmi simpli, eficienți. Un avantaj secundar este că algoritmii sunt ușor de înțeles, implementat și interpretat. "
Pentru a-și testa metoda, echipa și-a aplicat algoritmii atât la datele simulate, cât și la observațiile din misiunile spațiale din trecut. Acestea includeau Galileo nave spațiale, care au făcut observații spectrale ale Europei pentru a afla mai multe despre compoziția sa; Cassini nava spațială, care a capturat imagini cu activități de plumă pe luna lui Saturn Enceladus; si Noi orizonturi imagini ale navelor spațiale ale activității vulcanice pe luna Ioana lui Jupiter.
Rezultatele acestor teste au arătat că fiecare dintre cei trei algoritmi au demonstrat o performanță suficient de ridicată pentru a contribui la obiectivele științifice prezentate în Studiul de decadare planetară din 2011. Acestea includ „confirmarea prezenței unui ocean interior, caracterizarea carapacei de gheață a satelitului și permiterea înțelegerii istoriei sale geologice” din Europa pentru a confirma „potențialul sistemului solar exterior ca locuință pentru viață”.
În plus, acești algoritmi ar putea avea implicații de anvergură pentru alte misiuni robotizate în destinații din spațiul profund. Dincolo de sistemul de lună Europa și Jupiter, NASA speră să exploreze lunile lui Saturn Enceladus și Titan pentru posibile semne de viață în viitorul apropiat, precum și destinații chiar mai îndepărtate (cum ar fi luna lui Neptun Triton și chiar Pluto). Dar aplicațiile nu se opresc aici. Wagstaff a spus:
„Autonomia navelor spațiale ne permite să explorăm unde nu pot merge oamenii. Aceasta include destinații la distanță precum Jupiter și locații dincolo de propriul nostru sistem solar. De asemenea, include medii mai apropiate, care sunt periculoase pentru oameni, cum ar fi fundul litoralului sau setările cu radiații ridicate aici pe Pământ. "
Nu este greu să ne imaginăm un viitor aproape în care misiunile robotizate semi-autonome sunt capabile să exploreze zona exterioară și interioară a sistemului solar fără o supraveghere umană regulată. Privind mai departe spre viitor, nu este greu să ne imaginăm o epocă în care roboți complet autonomi sunt capabili să exploreze planetele extra-solare și să-și trimită descoperirile acasă.
Și între timp, o semi-autonomă Europa Clipper s-ar putea să găsiți dovezile că așteptăm cu toții! Asta ar fi biosemnaturi care dovedesc că există într-adevăr viață dincolo de Pământ!
