2023-ban a NASA azt tervezi, hogy elindítja a Europa Clipper misszió, egy robot felfedező, amely a Jupiter rejtélyes holdját, Európát fogja tanulmányozni. Ennek a küldetésnek az a célja, hogy felfedezze az Europa jéghéját és belsejét, hogy többet megtudjon a hold összetételéről, geológiájáról, valamint a felület és a felszín közötti kölcsönhatásokról. Mindenekelőtt ennek a küldetésnek az a célja, hogy rávilágítson arra, hogy létezhet-e élet az Európa belső óceánján belül.
Ez számos kihívást jelent, amelyek közül sok abból fakad, hogy a Europa Clipper nagyon távol lesz a Földtől, amikor tudományos műveleteit végzi. Ennek megoldására a NASA Jet Propulsion Laboratory (JPL) és az Arizonai Állami Egyetem (ASU) kutatócsoportja gépi tanulási algoritmusok sorozatát dolgozta ki, amelyek lehetővé teszik a misszió számára, hogy bizonyos fokú önállósággal vizsgálja meg Európát.
A múlt héten (augusztus 7.) az ACM SIGKDD 25. tudományos felfedezésről és adatbányászatról szóló konferencián, alaszkai Anchorage-ban tartották azt, hogy ezek az algoritmusok miként segíthetnek a jövőbeli mély űrkutatási missziókban. Ez az éves konferencia összehozza az adattudomány, az adatbányászat és az elemzés területén dolgozó kutatókat és gyakorlókat a világ minden tájáról, hogy megvitassák a terület legújabb fejleményeit és alkalmazásait.
Ami a mély űrbeli missziókkal való kommunikációt illeti, időigényes és kihívást jelentő munka. A Mars felszínén vagy pályán futó küldetésekkel való kommunikáció során akár 25 percet is igénybe vehet a jel, hogy elérje őket a Földről (vagy vissza). A jelek küldése a Jupiterhez viszont 30 perctől akár egy óráig is tarthat, attól függően, hogy hol van pályája a Földhöz képest.
Amint a szerzők tanulmányukban megjegyzik, az űrhajók tevékenységeit általában előre megtervezett szkripttel, nem pedig valósidejű parancsokkal továbbítják. Ez a megközelítés nagyon hatékony, ha a helyzet, a környezet és az űrhajót befolyásoló egyéb tényezők ismertek vagy előre megjósolhatók. Ez azt is jelenti, hogy a misszióvezérlők nem tudnak reagálni a váratlan fejleményekre valós időben.
Ahogyan Dr. Kiri L. Wagstaff, a NASA JPL Gépi tanulási és műszer-autonómia csoportjának vezető kutatója elmagyarázta a Space Magazine-nak e-mailben:
„Kihívás egy olyan világ felfedezése, amely túl távol van ahhoz, hogy lehetővé tegye a közvetlen emberi irányítást. Minden tevékenységet előre kell írni. Az új felfedezésekre vagy a környezet változásaira adott gyors reagáláshoz maga az űrhajó szükséges, hogy döntéseket hozzon, amelyeket űrhajók autonómiájának hívunk. Ezen túlmenően, ha közel egymilliárd kilométerre fekszik a Földtől, az adatátviteli sebesség nagyon alacsony.
“Az űrhajó adatgyűjtési képessége meghaladja azt, amit vissza lehet küldeni. Ez felveti a kérdést, mely adatokat kell gyűjteni, és hogyan kell azokat prioritássá tenni. Végül, az Europa esetében az űrhajót is erőteljes sugárzás bombázzák. Ez ronthatja az adatokat és a számítógép újraindítását okozhatja. Ezeknek a veszélyeknek a kezelése önálló döntéshozatalt igényel. ”
Ezért Dr. Wagstaff és munkatársai megkezdték a fedélzeti adatok elemzésének lehetséges módszereinek vizsgálatát, amelyek bárhol és bármikor működnének, amikor a közvetlen emberi felügyelet nem lehetséges. Ezek a módszerek különösen fontosak ritka, átmeneti események kezelésekor, amelyek előfordulását, helyét és időtartamát nem lehet előre megjósolni.
Ide tartoznak olyan jelenségek, mint a Marson megfigyelt poros ördögök, meteorit-ütések, villámlás a Szaturnuszon, valamint az Enceladus és más testek által kibocsátott jeges hullámok. Ennek megoldására Dr. Wagstaff és csapata megvizsgálta a gépi tanulási algoritmusok közelmúltbeli haladásait, amelyek bizonyos fokú automatizálást és független döntéshozatalt tesznek lehetővé a számítástechnika területén. Ahogy Dr. Wagstaff mondta:
„A gépi tanulási módszerek lehetővé teszik, hogy maga az űrhajó megvizsgálja az összegyűjtött adatokat. Az űrhajó ezután azonosíthatja, mely megfigyelések tartalmazzák az érdekes eseményeket. Ez befolyásolhatja a lefelé irányuló kapcsolatok prioritásainak meghatározását. A cél az esély növelése, hogy a legérdekesebb felfedezéseket először levonják. Amikor az adatgyűjtés meghaladja az átadható adatmennyiséget, maga az űrhajó bányászhatja az értékes tudományos rögök kiegészítő adatait.
A fedélzeti elemzés lehetővé teszi az űrhajó számára, hogy a már felfedezett adatok alapján eldöntse, mely adatokat gyűjti a következő. Ezt demonstrálták a Föld körüli pályán az Autonóm Sciencecraft Kísérlet segítségével és a Mars felszínén a Mars Science Laboratory (Curiosity) rover AEGIS rendszerével. Az autonóm, reagáló adatgyűjtés jelentősen felgyorsíthatja a tudományos kutatást. Célunk, hogy ezt a képességet kiterjesszük a külső Naprendszerre is. ”
Ezeket az algoritmusokat kifejezetten a tudományos kutatások három típusának elősegítésére fejlesztették ki, amelyek rendkívül fontosak lesznek a Europa Clipper küldetés. Ezek magukban foglalják a termikus anomáliák (meleg foltok), a kompozíciós anomáliák (szokatlan felszíni ásványok vagy lerakódások) és a jeges anyag aktív szennyeződéseinek detektálását az Európa felszín alatti óceánból.
"Ebben a beállításban a számítás nagyon korlátozott" - mondta Dr. Wagstaff. „Az űrhajó-számítógép az 1990-es évek közepétől későig az asztali számítógépekhez hasonló sebességgel működik (~ 200 MHz). Ezért prioritásként kezeljük az egyszerű, hatékony algoritmusokat. Ennek egyik előnye, hogy az algoritmusok könnyen érthetők, megvalósíthatók és értelmezhetők. ”
Módszerük kipróbálására a csapat algoritmusait mind a szimulált adatokra, mind a múltbeli űrkutatások megfigyeléseire alkalmazta. Ide tartoztak a Galileo űrhajó, amely spektrális megfigyeléseket végzett az Europa összetételének megismerése érdekében; az Cassini űrhajó, amely képeket készített a Saturna holdi Enceladusban lévő tollas tevékenységről; és a Új láthatár űrhajók képei a vulkáni tevékenységről a Jupiter hold Io-ján.
E tesztek eredményei azt mutatták, hogy mind a három algoritmus elég magas teljesítményt mutatott ahhoz, hogy hozzájáruljon a 2011. évi bolygónkutatás évtizedes felmérésében felvázolt tudományos célokhoz. Ezek között szerepel „egy belső óceán jelenlétének megerősítése, a műholdas jéghéjának jellemzése és annak geológiai történelemének megértésének lehetővé tétele” az Europa-ban, amely megerősíti „a külső Naprendszer életképességének helyét”.
Ezen túlmenően ezek az algoritmusok messzemenő hatással lehetnek a más robotok missziókba történő eljuttatására a mély űrutazási célpontokba. Az Európa és a Jupiter holdainak rendszerén túl a NASA azt reméli, hogy feltárja a Szaturnusz holdjai Enceladusát és a Titánt a közeljövőben lehetséges életjelekkel kapcsolatban, valamint a távolból még távolabbi úti célokat (mint például a Neptunusz holdja, Triton és még Plútó). De az alkalmazások itt nem állnak meg. Wagstaff ezt mondta:
„Az űrhajók autonómiája lehetővé teszi számunkra, hogy felfedezzük, hogy az emberek menjenek el. Ide tartoznak a távoli úti célok, például a Jupiter, és a saját Naprendszerünkön kívüli helyek is. Ide tartozik az emberre veszélyes közelebbi környezet is, például a tengerfenék fenekén vagy a nagy sugárzást biztosító körülmények között a Földön. ”
Nem nehéz elképzelni a közeljövőt, ahol a félig autonóm robotmissziók rendszeres emberi felügyelet nélkül képesek felfedezni a Naprendszer külső és belső határait. A jövőbe nézve nem nehéz elképzelni egy olyan korot, amelyben a teljesen autonóm robotok képesek felfedezni a Napen kívüli bolygót és elküldhetik eredményeiket haza.
Időközben pedig félig autonóm Europa Clipper talán talál bizonyítékot arra, hogy mindannyian várunk! Ez olyan bio-aláírás lenne, amely bizonyítja, hogy a Földön túl is létezik élet!
