Vuonna 2023 NASA aikoo käynnistää Europa Clipper missiota, robottimatkailija, joka tutkii Jupiterin arvoituksellista Eurooppaa. Tämän tehtävän tarkoituksena on tutkia Euroopan jääkuorta ja sisätiloja saadaksesi lisätietoja kuun koostumuksesta, geologiasta ja pinnan ja maanpinnan välisistä vuorovaikutuksista. Ennen kaikkea tämän tehtävän tarkoituksena on valaista sitä, voisiko elämä olla olemassa Euroopan sisämeressä.
Tämä asettaa lukuisia haasteita, joista monet johtuvat siitä, että Europa Clipper on hyvin kaukana maasta, kun se suorittaa tiedeoperaatioitaan. NASA: n Jet-propulsiolaboratorion (JPL) ja Arizonan osavaltion yliopiston (ASU) tutkijaryhmä suunnitteli tätä ongelmaa suunnitelleen sarjan koneoppimisalgoritmeja, joiden avulla operaatio voi tutustua Eurooppaan itsenäisesti.
Viime viikolla (7. elokuuta) pidetyssä esityksessä, kuinka nämä algoritmit voivat auttaa tulevia syvän avaruuden tutkimusmatkalla, pidettiin 25. ACM SIGKDD -konferenssissa tiedon löytämisestä ja tiedon louhinnasta Anchoragessa, Alaskassa. Tämä vuosittainen konferenssi kokoaa datatieteen, datan louhinnan ja analytiikan tutkijat ja käytännöt ympäri maailmaa keskustelemaan alan viimeisimmästä kehityksestä ja sovelluksista.
Kun se tulee siihen, kommunikointi syvän avaruuden tehtävien kanssa on aikaa vievää, haastavaa työtä. Kun kommunikoit Marsin pinnalla tai kiertoradalla olevien tehtävien kanssa, voi kestää 25 minuutin signaalin saavuttaaksesi ne maapallolta (tai takaisin). Signaalien lähettäminen Jupiterille voi puolestaan kestää 30 minuutista tuntiin riippuen siitä, missä se on kiertoradallaan suhteessa Maahan.
Kuten kirjoittajat huomauttavat tutkimuksessaan, avaruusaluksen toiminta siirretään tyypillisesti ennalta suunnitellulla käsikirjoituksella reaaliaikaisten komentojen kautta. Tämä lähestymistapa on erittäin tehokas, kun sijainti, ympäristö ja muut avaruusalukseen vaikuttavat tekijät tunnetaan tai voidaan ennustaa etukäteen. Se tarkoittaa kuitenkin myös, että operaation ohjaajat eivät voi reagoida odottamattomaan kehitykseen reaaliajassa.
Kuten NASA JPL: n koneoppimis- ja instrumentti-autonomiaryhmän johtava tutkija tri Kiri L. Wagstaff selitti Space Magazine -lehdelle sähköpostitse:
”Selvittää maailmaa, joka on liian kaukana suoraa ihmisen hallintaa varten, on haastavaa. Kaikkien toimintojen on oltava esikirjoitettuja. Nopea vastaus uusiin löytöihin tai muutoksiin ympäristössä vaatii avaruusaluksen itsensä tekemään päätöksiä, joita kutsumme avaruusalusten autonomiaksi. Lisäksi melkein miljardin kilometrin etäisyys maapallosta tarkoittaa, että tiedonsiirtonopeudet ovat erittäin alhaiset.
“Avaruusaluksen kyky kerätä tietoja ylittää sen, mitä voidaan lähettää takaisin. Tämä herättää kysymyksen siitä, mitä tietoja olisi kerättävä ja kuinka ne olisi priorisoitava. Viimeinkin, Europa-tapauksessa, avaruusalusta pommitetaan myös voimakasta säteilyä, joka voi vioittaa tietoja ja aiheuttaa tietokoneen palautumisen. Näiden vaarojen selviytyminen vaatii myös itsenäistä päätöksentekoa. "
Tästä syystä tohtori Wagstaff ja hänen kollegansa ryhtyivät tutkimaan mahdollisia menetelmiä aluksen data-analyysiksi, jotka toimisivat missä ja milloin tahansa suora ihmisen valvonta ei ole mahdollista. Nämä menetelmät ovat erityisen tärkeitä käsiteltäessä harvinaisia, ohimeneviä tapahtumia, joiden esiintymistä, sijaintia ja kestoa ei voida ennustaa.
Näitä ovat muun muassa Marsilla havaitut pöly-paholaiset, meteoriittien vaikutukset, Saturnuksen salama sekä Enceladusin ja muiden elinten päästämät jäiset putoukset. Dr. Wagstaff ja hänen tiiminsä tarkastelivat tätä kysymystä koneoppimisalgoritmien viimeaikaisesta kehityksestä, joka mahdollistaa automaation ja itsenäisen päätöksenteon laskennassa. Kuten tohtori Wagstaff sanoi:
”Koneoppimismenetelmät antavat avaruusalukselle mahdollisuuden tutkia tietoja kerättyään. Avaruusalus voi sitten tunnistaa, mitkä havainnot sisältävät kiinnostavia tapahtumia. Tämä voi vaikuttaa laskevan siirtosuunnan prioriteettien määrittämiseen. Tavoitteena on lisätä mahdollisuutta, että mielenkiintoisimmat löytöt linkitetään ensin. Kun tiedonkeruu ylittää siirrettävän määrän, avaruusalus itse voi kaivata lisätietoja arvokkaille tieteellisille pistoille.
”Aluksella tehtävä analyysi voi myös antaa avaruusaluksen päättää, mitä tietoja kerätä seuraavaksi perustuen jo havaitsemiinsa tietoihin. Tämä on osoitettu maan kiertoradalla käyttäen autonomista Sciencecraft-kokeilua ja Marsin pinnalla käyttämällä AEGIS-järjestelmää Mars Science Laboratory (Curiosity) -roverilla. Autonominen, reagoiva tiedonkeruu voi huomattavasti nopeuttaa tieteellistä tutkimusta. Pyrimme laajentamaan tämän kyvyn myös ulkoiseen aurinkokuntaan. ”
Nämä algoritmit on erityisesti suunniteltu auttamaan kolmen tyyppisissä tieteellisissä tutkimuksissa, jotka ovat äärimmäisen tärkeitä Europa Clipper tehtävä. Näihin kuuluvat termisten poikkeamien (lämpimien pisteiden), koostumuksen poikkeavuuksien (epätavalliset pintamineraalit tai kerrostumat) ja jäisen aineen aktiivisen palstan havaitseminen Euroopan merenpinnan valtamerestä.
"Tässä asetuksessa laskenta on hyvin rajallista", sanoi tohtori Wagstaff. ”Avaruuskonetietokone toimii samalla nopeudella kuin pöytätietokone 1990-luvun puolivälistä myöhään (~ 200 MHz). Siksi olemme priorisoineet yksinkertaiset, tehokkaat algoritmit. Sivuhyöty on, että algoritmit ovat helppo ymmärtää, toteuttaa ja tulkita. ”
Menetelmänsä testaamiseksi ryhmä sovelsi algoritmejaan sekä simuloituihin tietoihin että aiempien avaruusmatkailuiden havaintoihin. Näihin kuuluivat galileo avaruusalukset, jotka tekivät Spektrin havainnot Euroopasta saadakseen lisätietoja sen koostumuksesta; Cassini avaruusalus, joka otti kuvia plume-toiminnasta Saturnin kuu Enceladussa; ja Uusia näköaloja avaruusaluksen kuvia tulivuoren toiminnasta Jupiterin kuu-Io: lla.
Näiden testien tulokset osoittivat, että jokainen kolmesta algoritmista osoitti riittävän korkean suorituskyvyn osallistuakseen vuoden 2011 planeettatutkimuksen vuosittaisessa tutkimuksessa esitettyjen tieteellisten tavoitteiden saavuttamiseen. Niihin sisältyy ”sisäisen valtameren läsnäolon vahvistaminen, satelliitin jääkuoren luonnehdinta ja sen geologisen historian ymmärtämisen mahdollistaminen” Europa-sivustolla vahvistamaan “ulkoisen aurinkokunnan mahdollisuudet elämän asuinpaikkana”.
Lisäksi näillä algoritmeilla voi olla kauaskantoisia vaikutuksia muihin robotti-operaatioihin syvän avaruuden kohteisiin. Euroopan ja Jupiterin kuujärjestelmän ulkopuolella NASA toivoo tutkivansa Saturnin kuukausia Enceladusa ja Titania mahdollisten elämän merkkejä lähitulevaisuudessa sekä kohteita, jotka ovat vielä kauempana kauempana (kuten Neptunuksen kuu Triton ja jopa Pluto). Mutta sovellukset eivät lopu tähän. Wagstaff sanoi:
”Avaruusalusten autonomia antaa meille mahdollisuuden tutkia minne ihmiset eivät voi mennä. Se sisältää etäkohteet kuten Jupiter ja paikat oman aurinkokunnan ulkopuolella. Siihen sisältyy myös tiiviimpiä ihmisille vaarallisia ympäristöjä, kuten merenpohjan pohja tai voimakkaat säteilyasetukset täällä maan päällä. "
Ei ole vaikea kuvitella lähitulevaisuutta, jossa puoliautonoomiset robottioperaatiot kykenevät tutkimaan aurinkokunnan ulko- ja sisäalueita ilman säännöllistä ihmisen valvontaa. Kauempaan tulevaisuuteen ei ole vaikea kuvitella ikää, jolloin täysin itsenäiset robotit kykenevät tutkimaan auringon ulkopuolella olevia planeettoja ja lähettämään havaintonsa kotiin.
Ja sillä välin puoliautonominen Europa Clipper saattaa löytää todisteita siitä, että me kaikki odotamme! Se olisi biosignaaleja, jotka todistavat, että maapallon ulkopuolella todellakin on elämää!
