W 2023 r. NASA planuje uruchomić Europa Clipper misja, robotyczny odkrywca, który będzie badał zagadkowy księżyc Jowisza Europa. Celem tej misji jest zbadanie skorupy lodowej i wnętrza Europy, aby dowiedzieć się więcej o składzie księżyca, geologii i interakcjach między powierzchnią a powierzchnią ziemi. Przede wszystkim celem tej misji jest wyjaśnienie, czy życie może istnieć w wewnętrznym oceanie Europy.
Stanowi to wiele wyzwań, z których wiele wynika z faktu, że Europa Clipper będzie bardzo daleko od Ziemi, gdy będzie prowadzić działalność naukową. Aby temu zaradzić, zespół naukowców z Jet Propulsion Laboratory (JPL) i Arizona State University (ASU) NASA opracował serię algorytmów uczenia maszynowego, które pozwolą misji zbadać Europę z pewnym stopniem autonomii.
W jaki sposób algorytmy te mogą pomóc w przyszłych misjach eksploracji kosmosu, były przedmiotem prezentacji wygłoszonej w zeszłym tygodniu (7 sierpnia) podczas 25. konferencji ACM SIGKDD na temat odkrywania wiedzy i eksploracji danych w Anchorage na Alasce. Ta coroczna konferencja gromadzi naukowców i praktyków zajmujących się badaniami danych, eksploracją danych i analizami z całego świata w celu omówienia najnowszych osiągnięć i zastosowań w tej dziedzinie.
Jeśli chodzi o to, komunikacja z misjami kosmicznymi jest czasochłonna i trudna. Podczas komunikowania się z misjami na powierzchni Marsa lub na orbicie, dotarcie do nich z Ziemi (lub z powrotem) może potrwać do 25 minut. Z drugiej strony wysyłanie sygnałów do Jowisza może zająć od 30 minut do nawet godziny, w zależności od tego, gdzie znajduje się na swojej orbicie względem Ziemi.
Jak zauważają autorzy w swoich badaniach, działania statków kosmicznych są zwykle przekazywane za pomocą wcześniej zaplanowanego skryptu, a nie za pomocą poleceń w czasie rzeczywistym. Podejście to jest bardzo skuteczne, gdy pozycja, środowisko i inne czynniki wpływające na statek kosmiczny są znane lub można je przewidzieć z wyprzedzeniem. Oznacza to jednak również, że kontrolerzy misji nie mogą reagować na nieoczekiwane zmiany w czasie rzeczywistym.
Dr Kiri L. Wagstaff, główny badacz w NASA JPL's Machine Learning and Instrument Autonomy Group, wyjaśnił Space Magazine za pośrednictwem poczty elektronicznej:
„Eksploracja świata, który jest zbyt odległy, aby umożliwić bezpośrednią kontrolę ludzi, stanowi wyzwanie. Wszystkie działania muszą być wstępnie skrypty. Szybka reakcja na nowe odkrycia lub zmiany w otoczeniu wymaga od statku kosmicznego podejmowania decyzji, które nazywamy autonomią statku kosmicznego. Ponadto praca w odległości prawie miliarda kilometrów od Ziemi oznacza, że prędkości transmisji danych są bardzo niskie.
“Zdolność statku kosmicznego do gromadzenia danych przekracza to, co można odesłać. Rodzi to pytanie, które dane powinny być gromadzone i jak powinny być traktowane priorytetowo. Wreszcie, w przypadku Europy, statek kosmiczny będzie także bombardowany intensywnym promieniowaniem, które może uszkodzić dane i spowodować reset komputera. Radzenie sobie z tymi zagrożeniami wymaga również autonomicznego podejmowania decyzji. ”
Z tego powodu dr Wagstaff i jej koledzy zaczęli szukać możliwych metod analizy danych na pokładzie, które działałyby zawsze i wszędzie, gdzie bezpośredni nadzór człowieka nie jest możliwy. Metody te są szczególnie ważne w przypadku rzadkich, przejściowych zdarzeń, których wystąpienia, lokalizacji i czasu trwania nie można przewidzieć.
Należą do nich zjawiska, takie jak pyłowe diabły, które zostały zaobserwowane na Marsie, uderzenia meteorytów, błyskawice na Saturnie i lodowe pióropusze emitowane przez Enceladusa i inne ciała. Aby rozwiązać ten problem, dr Wagstaff i jej zespół przyjrzeli się ostatnim osiągnięciom w algorytmach uczenia maszynowego, które pozwalają na pewien stopień automatyzacji i niezależne podejmowanie decyzji w dziedzinie komputerów. Jak powiedział dr Wagstaff:
„Metody uczenia maszynowego umożliwiają samemu statkowi kosmicznemu zbadanie gromadzonych danych. Statek kosmiczny może następnie zidentyfikować, które obserwacje zawierają interesujące zdarzenia. Może to wpłynąć na przypisanie priorytetów łącza w dół. Celem jest zwiększenie szansy, że najciekawsze odkrycia zostaną w pierwszej kolejności powiązane. Kiedy gromadzenie danych przekroczy to, co można przesłać, sam statek kosmiczny może wydobywać dodatkowe dane dla cennych samorodków naukowych.
„Analiza na pokładzie może również pozwolić statkowi kosmicznemu zdecydować, które dane następnie zebrać na podstawie tego, co już odkrył. Zostało to wykazane na orbicie Ziemi za pomocą Autonomous Sciencecraft Experiment i na powierzchni Marsa za pomocą systemu AEGIS na łaziku Mars Science Laboratory (Curiosity). Autonomiczne i elastyczne zbieranie danych może znacznie przyspieszyć badania naukowe. Naszym celem jest rozszerzenie tej zdolności również na zewnętrzny układ słoneczny. ”
Algorytmy te zostały specjalnie zaprojektowane, aby pomóc w trzech rodzajach badań naukowych, które będą miały ogromne znaczenie dla Europa Clipper misja. Obejmują one wykrywanie anomalii termicznych (ciepłe miejsca), anomalii kompozycyjnych (nietypowe minerały powierzchniowe lub złoża) oraz aktywnych pióropuszów lodowatej materii z oceanu pod powierzchnią Europy.
„W tym otoczeniu obliczenia są bardzo ograniczone” - powiedział dr Wagstaff. „Komputer statku kosmicznego działa z prędkością podobną do komputera stacjonarnego od połowy do końca lat 90. (~ 200 MHz). Dlatego priorytetem są proste, wydajne algorytmy. Dodatkową korzyścią jest to, że algorytmy są łatwe do zrozumienia, wdrożenia i interpretacji. ”
Aby przetestować swoją metodę, zespół zastosował algorytmy zarówno do danych symulowanych, jak i obserwacji z poprzednich misji kosmicznych. Obejmowały one Galileo statek kosmiczny, który dokonał widmowych obserwacji Europy, aby dowiedzieć się więcej o jej składzie; Cassini statek kosmiczny, który uchwycił obrazy aktywności pióropusza na księżycu Saturna Enceladus; i Nowe Horyzonty obrazy statków wulkanicznych z aktywności wulkanicznej na księżycu Jowisza Io.
Wyniki tych testów wykazały, że każdy z trzech algorytmów wykazywał wystarczająco wysoką wydajność, aby przyczynić się do osiągnięcia celów naukowych nakreślonych w 2011 r. W Planetarnym badaniu dekadalnym Planetary Science. Należą do nich „potwierdzenie obecności wewnętrznego oceanu, charakterystyka lodowej skorupy satelity oraz umożliwienie zrozumienia jego historii geologicznej” w Europie, aby potwierdzić „potencjał zewnętrznego układu słonecznego jako siedziby na całe życie”.
Ponadto algorytmy te mogą mieć daleko idące konsekwencje dla innych robotycznych misji do kosmicznych miejsc docelowych. Poza układem księżyców Europy i Jowisza, NASA ma nadzieję zbadać księżyce Saturna Enceladusa i Tytana pod kątem możliwych oznak życia w niedalekiej przyszłości, a także miejsc, które są jeszcze bardziej odległe (np. Księżyc Neptuna, Tryton, a nawet Pluton). Ale aplikacje się nie kończą. Wagstaff ujął to:
„Autonomia statku kosmicznego pozwala nam badać, dokąd ludzie nie mogą dotrzeć. Obejmuje to odległe miejsca docelowe, takie jak Jowisz i lokalizacje poza naszym Układem Słonecznym. Obejmuje także bliższe środowiska, które są niebezpieczne dla ludzi, takie jak dno dna morskiego lub ustawienia wysokiego promieniowania tutaj na Ziemi. ”
Nietrudno wyobrazić sobie bliską przyszłość, w której półautonomiczne roboty zrobotyzne będą mogły eksplorować zewnętrzny i wewnętrzny zasięg Układu Słonecznego bez regularnego nadzoru człowieka. Patrząc w przyszłość, nietrudno wyobrazić sobie epokę, w której w pełni autonomiczne roboty mogą badać planety pozasłoneczne i wysyłać swoje odkrycia do domu.
A tymczasem półautonomiczny Europa Clipper może znaleźć dowody, na które wszyscy czekamy! To byłyby biosignatury, które dowodzą, że naprawdę istnieje życie poza Ziemią!
