В 2023 году НАСА планирует запустить Европа Клипер миссия, роботизированный исследователь, который изучит загадочную луну Европы Юпитера. Цель этой миссии - изучить ледяную раковину и внутреннюю часть Европы, чтобы узнать больше о составе луны, геологии и взаимодействиях между поверхностью и недрами. Прежде всего, цель этой миссии - пролить свет на то, может ли жизнь существовать во внутреннем океане Европы.
Это создает многочисленные проблемы, многие из которых возникают из-за того факта, что Европа Клипер будет очень далеко от Земли, когда он будет проводить свои научные операции. Чтобы решить эту проблему, команда исследователей из Лаборатории реактивного движения НАСА (JPL) и Университета штата Аризона (ASU) разработала серию алгоритмов машинного обучения, которые позволят миссии исследовать Европу со степенью автономности.
Как эти алгоритмы могли бы помочь в будущих миссиях по исследованию дальнего космоса, были темой презентации, представленной на прошлой неделе (7 августа) на 25-й конференции ACM SIGKDD по обнаружению знаний и добыче данных в Анкоридже, Аляска. Эта ежегодная конференция объединяет исследователей и практиков в области науки о данных, интеллектуального анализа данных и аналитики со всего мира, чтобы обсудить последние разработки и приложения в этой области.
Когда дело доходит до этого, общение с дальним космосом является трудоемкой, сложной работой. При общении с миссиями на поверхности Марса или на орбите может потребоваться сигнал до 25 минут, чтобы достичь их с Земли (или обратно). Отправка сигналов на Юпитер, с другой стороны, может занять от 30 минут до часа, в зависимости от того, где он находится на своей орбите относительно Земли.
Как отмечают авторы в своем исследовании, действия космического корабля обычно передаются заранее запланированным сценарием, а не командами в реальном времени. Этот подход очень эффективен, когда положение, окружающая среда и другие факторы, влияющие на космический аппарат, известны или могут быть предсказаны заранее. Однако это также означает, что диспетчеры миссий не могут реагировать на неожиданные события в режиме реального времени.
Как д-р Кири Л. Вагстафф, ведущий научный сотрудник Группы автономного обучения машинному обучению и приборостроению НАСА JPL, объяснил Space Magazine по электронной почте:
«Изучение мира, который слишком далек, чтобы позволить прямой контроль над людьми, является сложной задачей. Все действия должны быть заранее прописаны. Для быстрого реагирования на новые открытия или изменения в окружающей среде сам космический аппарат должен принимать решения, которые мы называем автономией космического корабля. Кроме того, работа на расстоянии почти миллиарда километров от Земли означает, что скорость передачи данных очень низкая.
“Способность космического корабля собирать данные превышает то, что может быть отправлено обратно. В связи с этим возникает вопрос о том, какие данные следует собирать и как их следует расставлять по приоритетам. Наконец, в случае Европы космический корабль также подвергнется бомбардировке интенсивной радиацией, которая может повредить данные и вызвать перезагрузку компьютера. Чтобы справиться с этими опасностями, также необходимо принимать самостоятельные решения ».
По этой причине доктор Вагстафф и ее коллеги начали искать возможные методы анализа данных на борту, которые могли бы работать везде и всегда, когда прямой человеческий надзор невозможен. Эти методы особенно важны при работе с редкими, переходными событиями, возникновение, местоположение и продолжительность которых не могут быть предсказаны.
К ним относятся такие явления, как пылевые дьяволы, которые наблюдались на Марсе, удары метеоритов, молния на Сатурне и ледяные струи, испускаемые Энцеладом и другими телами. Чтобы решить эту проблему, доктор Вагстафф и ее команда обратили внимание на последние достижения в области алгоритмов машинного обучения, которые обеспечивают определенную степень автоматизации и независимое принятие решений в области вычислительной техники. Как сказал доктор Вагстафф:
«Методы машинного обучения позволяют самому космическому кораблю проверять данные по мере их сбора. Затем космический корабль может определить, какие наблюдения содержат события, представляющие интерес. Это может повлиять на назначение приоритетов нисходящей линии связи. Цель состоит в том, чтобы повысить вероятность того, что самые интересные открытия будут сначала переданы по ссылке. Когда сбор данных превышает то, что может быть передано, сам космический корабль может добывать дополнительные данные для ценных научных слепков.
«Бортовой анализ может также позволить космическому кораблю решать, какие данные собирать дальше, на основании того, что он уже обнаружил. Это было продемонстрировано на орбите Земли с помощью эксперимента с автономным научным кораблем и на поверхности Марса с использованием системы AEGIS на марсоходе Mars Science Laboratory (Curiosity). Автономный, оперативный сбор данных может значительно ускорить научные исследования. Мы стремимся распространить эту способность и на внешнюю солнечную систему ».
Эти алгоритмы были специально разработаны, чтобы помочь с тремя типами научных исследований, которые будут иметь чрезвычайно важное значение для Европа Клипер миссия. К ним относятся обнаружение тепловых аномалий (теплые пятна), композиционных аномалий (необычные поверхностные минералы или отложения) и активных потоков ледяного вещества из подземного океана Европы.
«В этих условиях вычислительные возможности очень ограничены», - сказал доктор Вагстафф. «Компьютер космического корабля работает на скорости, аналогичной настольному компьютеру с середины до конца 1990-х годов (~ 200 МГц). Поэтому мы выделили приоритеты простых, эффективных алгоритмов. Дополнительным преимуществом является то, что алгоритмы просты для понимания, реализации и интерпретации ».
Чтобы проверить их метод, команда применила их алгоритмы к симулированным данным и наблюдениям из прошлых космических миссий. Это включало Галилео космический корабль, который сделал спектральные наблюдения Европы, чтобы узнать больше о ее составе; Кассини космический корабль, на котором запечатлены снимки активности шлейфа на спутнике Сатурна Энцелад; и Новые горизонты космические снимки вулканической активности на луне Юпитера Ио.
Результаты этих тестов показали, что каждый из трех алгоритмов продемонстрировал достаточно высокую производительность, чтобы способствовать достижению научных целей, изложенных в Планетарном научном исследовании 2011 года. К ним относятся «подтверждение наличия внутреннего океана, характеристика ледяной оболочки спутника и предоставление возможности понять его геологическую историю» на Европе, чтобы подтвердить «потенциал внешней солнечной системы как места обитания для жизни».
Кроме того, эти алгоритмы могут иметь далеко идущие последствия для других роботизированных миссий в дальний космос. Помимо системы спутников Европы и Юпитера, НАСА надеется исследовать спутники Сатурна Энцелад и Титан на предмет возможных признаков жизни в ближайшем будущем, а также направлений, которые еще дальше (например, спутник Нептуна, Тритон и даже Плутон). Но приложения на этом не заканчиваются. Wagstaff выразился так:
«Автономия космического корабля позволяет нам исследовать, куда люди не могут попасть. Это включает в себя удаленные пункты назначения, такие как Юпитер, и места за пределами нашей Солнечной системы. Это также включает более близкие среды, которые опасны для человека, такие как дно морского дна или обстановка с высокой радиацией здесь на Земле ».
Нетрудно представить себе ближайшее будущее, в котором полуавтономные роботизированные миссии смогут исследовать внешние и внутренние области Солнечной системы без регулярного человеческого контроля. Заглядывая дальше в будущее, нетрудно представить эпоху, когда полностью автономные роботы способны исследовать сверхсолнечные планеты и отправлять свои находки домой.
А тем временем полуавтономный Европа Клипер может найти доказательства того, что мы все ждем! Это были бы биосигнатуры, которые доказали бы, что действительно существует жизнь за пределами Земли!
