2023. NASA planira lansirati taj Europa Clipper misija, robotski istraživač koji će proučavati Jupiterov zagonetni mjesec Europa. Svrha ove misije je istražiti europsku ledenu školjku i unutrašnjost kako bi saznali više o mjesečevom sastavu, geologiji i interakcijama između površine i podzemlja. Najviše od svega, svrha ove misije je osvijetliti postoji li život u Europi, u unutrašnjosti oceana, ili ne.
To predstavlja brojne izazove, od kojih mnogi proizlaze iz činjenice da je Europa Clipper bit će vrlo daleko od Zemlje kad provodi svoje znanstvene operacije. Da bi se pozabavili tim, tim istraživača NASA-inog laboratorija za mlazni pogon (JPL) i Državnog sveučilišta Arizona (ASU) osmislio je niz algoritama strojnog učenja koji će omogućiti misiji da istraži Europu sa stupnjem autonomije.
Kako bi ovi algoritmi mogli pomoći budućim misijama za istraživanje svemira bili su tema prezentacije održane prošlog tjedna (7. kolovoza) na 25. ACM SIGKDD konferenciji o otkrivanju i rudarstvu podataka u Anchorageu, Aljaska. Ova godišnja konferencija okuplja istraživače i praktičare znanosti znanosti, rudarstva podataka i analitike iz cijelog svijeta kako bi razgovarali o najnovijim dostignućima i primjenama na tom polju.
Kad se sve svodi na to, komunikacija s misijama iz dubokog svemira zahtijeva mnogo vremena i izazovan posao. Tijekom komunikacije s misijama na površini Marsa ili u orbiti, potrebno je signal u trajanju do 25 minuta da ih s Zemlje (ili opet natrag) stigne do njih. S druge strane, slanje signala Jupiteru može trajati od 30 minuta do jednog sata, ovisno o tome gdje se nalazi u orbiti u odnosu na Zemlju.
Kao što autori napominju u svojoj studiji, aktivnosti svemirskih brodova obično se prenose unaprijed planiranom scenarijom, a ne putem naredbi u stvarnom vremenu. Ovaj je pristup vrlo učinkovit kada su položaj, okoliš i ostali čimbenici koji utječu na svemirski brod poznati ili se mogu unaprijed predvidjeti. Međutim, to također znači da kontrolori misije ne mogu reagirati na neočekivane događaje u stvarnom vremenu.
Kao što je dr. Kiri L. Wagstaff, glavna istraživačica iz NASA JPL-ove Grupe za strojno učenje i instrumentalnu autonomiju, objasnila Space Magazinu putem e-pošte:
„Istraživanje svijeta koji je predaleko da bi se omogućila izravna ljudska kontrola izazovno je. Sve aktivnosti moraju biti unaprijed skripte. Brz odgovor na nova otkrića ili promjene u okruženju zahtijeva svemirske letjelice da donose odluke, koje nazivamo autonomijom svemirskih letjelica. Osim toga, raditi gotovo milijardu kilometara udaljeno od Zemlje znači da su stope prijenosa podataka vrlo niske.
“Mogućnost svemirskog broda da prikuplja podatke premašuje ono što se može poslati natrag. Postavlja se pitanje koje podatke treba prikupljati i na koji način ih treba dati prioritetu. Napokon, u slučaju Europe, svemirski brod bit će bombardiran i intenzivnim zračenjem, što može oštetiti podatke i uzrokovati resetiranje računala. Suočavanje s tim opasnostima također zahtijeva autonomno donošenje odluka. "
Iz tog razloga, dr. Wagstaff i njezini kolege počeli su proučavati moguće metode za analizu podataka na brodu, koje bi djelovale bilo gdje i kad god nije moguće izravni nadzor ljudi. Ove su metode osobito važne u rješavanju rijetkih, privremenih događaja čiji se nastanak, mjesto i trajanje ne mogu predvidjeti.
To uključuje pojave poput đavola prašine koji su primijećeni na Marsu, meteoritskih utjecaja, munje na Saturnu i ledenih pljuskova koje su ispuštali Enceladus i druga tijela. Da bi se pozabavili tim problemom, dr. Wagstaff i njezin tim proučili su nedavni napredak algoritama strojnog učenja koji omogućuju određenu automatizaciju i neovisno odlučivanje u računanju. Kao što je dr. Wagstaff rekao:
„Metode strojnog učenja omogućuju samoj svemirskoj letjelici da ispita podatke dok ih prikuplja. Svemirska letjelica može tada utvrditi koja promatranja sadrže događaje od interesa. To može utjecati na dodjelu prioriteta nizvodne veze. Cilj je povećati šansu da najzanimljivija otkrića prvo budu spuštena. Kad prikupljanje podataka prelazi ono što se može prenijeti, sama svemirska letjelica može minirati dodatne podatke za vrijedne znanstvene elemente.
„Analiza plovila također može omogućiti svemirskoj letjelici da odluči koje će podatke prikupiti na temelju onoga što je već otkrio. To je dokazano na Zemljinoj orbiti pomoću Autonomnog znanstvenog eksperimentalnog zrakoplova i na površini Marsa pomoću AEGIS sustava na roveru Mars Science Laboratory (Curiosity). Autonomno i osjetljivo prikupljanje podataka može uvelike ubrzati znanstveno istraživanje. Cilj nam je proširiti tu sposobnost i na vanjski sunčev sustav. "
Ovi su algoritmi posebno dizajnirani kako bi pomogli u tri vrste znanstvenih istraživanja koja će biti od izuzetne važnosti za Europa Clipper misija. Oni uključuju otkrivanje toplinskih anomalija (tople mrlje), kompozicijske anomalije (neobični površinski minerali ili naslage) i aktivni pljuskovi ledene materije iz podzemnog oceana Europe.
"U ovom je okruženju računanje vrlo ograničeno", rekao je dr. Wagstaff. "Računalo svemirske letjelice radi brzinom sličnom stolnom računalu od sredine do kraja devedesetih (~ 200 MHz). Stoga smo prioritetno postavili jednostavne, učinkovite algoritme. Sporedna je korist što su algoritmi lako razumjeti, implementirati i interpretirati. "
Kako bi testirali svoju metodu, tim je primijenio svoje algoritme na simulirane podatke i promatranja iz prošlih svemirskih misija. Oni uključuju Galileo svemirske letjelice, koje su vršile spektralna promatranja Europe kako bi saznale više o njegovom sastavu; Cassini svemirska letjelica, koja je snimala slike pljuskovite aktivnosti na Saturnovom mjesecu Enceladusu; i the Novi horizonti slike svemirske letjelice vulkanske aktivnosti na Jupiterovom mjesecu Io.
Rezultati ovih testova pokazali su da je svaki od tri algoritma pokazao dovoljno visoke performanse da bi mogao doprinijeti ciljevima znanosti koji su istaknuti u Dekadnom istraživanju planetarnih znanosti iz 2011. godine. Oni uključuju "potvrđivanje prisutnosti unutarnjeg oceana, karakterizaciju ledene ljuske satelita i omogućavanje razumijevanja njegove geološke povijesti" na Europa kako bi potvrdili "potencijal vanjskog Sunčevog sustava kao prebivalište za život".
Osim toga, ovi bi algoritmi mogli imati dalekosežne posljedice na druge robotske misije na odredišta dubokog svemira. Iza sustava Mjeseca Europe i Jupitera, NASA se nada da će u skoroj budućnosti istražiti Saturnove mjesece Enceladusa i Titana zbog mogućih znakova života, kao i odredišta koja su još udaljenija (poput Neptunovog mjeseca Triton, pa čak i Plutona). Ali prijave se tu ne zaustavljaju. Wagstaff je rekao:
„Autonomija svemirskih letjelica omogućuje nam istražiti kuda ljudi ne mogu ići. To uključuje udaljena odredišta poput Jupitera i lokacije izvan našeg Sunčevog sustava. Također uključuje bliža okruženja koja su opasna za ljude, poput dna morskog dna ili postavki visokog zračenja ovdje na Zemlji. "
Nije teško zamisliti blisku budućnost u kojoj su poluautonomne robotske misije sposobne istraživati vanjske i unutarnje dosege Sunčevog sustava bez redovitog ljudskog nadzora. Gledajući dalje u budućnost, nije teško zamisliti doba u kojem će potpuno autonomni roboti moći istraživati ekstra solarne planete i poslati svoja otkrića kući.
A u međuvremenu poluautonomni Europa Clipper možda će pronaći dokaze koje svi čekamo! To bi bile biosignare koje dokazuju da zaista postoji život izvan Zemlje!
