У 2023 році НАСА планує запустити Europa Clipper місія, роботодавець, який вивчить загадковий місяць Європи Юпітера. Мета цієї місії - дослідити крижану оболонку та внутрішні простори Європи, щоб дізнатися більше про склад, геологію та взаємодію Місяця між поверхнею та піднебінням. Найбільше, мета цієї місії - пролити світло на те, чи може існувати життя у внутрішньому океані Європи чи ні.
Це представляє численні виклики, багато з яких виникають через те, що Europa Clipper буде дуже далеко від Землі, коли проводитиме свої наукові операції. Для вирішення цього питання група дослідників з НАСА Лабораторія реактивного руху (JPL) та Арізонський державний університет (АСУ) розробила низку алгоритмів машинного навчання, які дозволять місії досліджувати Європу зі ступенем автономності.
Наскільки ці алгоритми можуть допомогти майбутнім розвідувальним завданням з глибокого космосу, були предметом презентації, проведеної минулого тижня (7 серпня) на 25-й конференції ACM SIGKDD з питань виявлення знань та обміну даними в Анкоридж, штат Аляска. Ця щорічна конференція об'єднує дослідників та практиків у галузі наукових даних, видобутку даних та аналітики з усього світу, щоб обговорити новітні розробки та застосування в цій галузі.
Коли справа доходить до цього, спілкування з місіями з глибокого космосу - це трудомістка і складна робота. Під час спілкування з місіями на поверхні Марса або на орбіті може знадобитися сигнал до 25 хвилин, щоб дістатися до них із Землі (або знову назад). З іншого боку, надсилання сигналів Юпітеру може зайняти від 30 хвилин до години, залежно від того, де він знаходиться на орбіті відносно Землі.
Як зазначають автори у своєму дослідженні, діяльність космічних кораблів зазвичай передається за заздалегідь запланованим сценарієм, а не через команди в режимі реального часу. Цей підхід є дуже ефективним, коли положення, навколишнє середовище та інші фактори, що впливають на космічний корабель, відомі або їх можна передбачити заздалегідь. Однак це також означає, що контролери місії не можуть реагувати на несподівані події в режимі реального часу.
Як пояснив для журналу Space Magazine доктор Кірі Л. Вагстафф, головний науковий співробітник групи машинного навчання та інструментальної автономії NASA JPL:
«Дослідження світу, який занадто віддалений, щоб дозволити безпосередній контроль людини, є складним завданням. Усі заходи повинні бути попередньо розписані. Швидка реакція на нові відкриття або зміни в навколишньому середовищі вимагає того, щоб космічний апарат приймав рішення, які ми називаємо автономією космічних апаратів. Крім того, оперування майже мільярд кілометрів від Землі означає, що швидкість передачі даних дуже низька.
“Можливість космічного корабля збирати дані перевищує те, що можна відправити назад. Це ставить питання про те, які дані слід збирати та яким чином вони повинні мати пріоритет. Нарешті, у випадку Європи, космічний корабель також буде обстріляний інтенсивним випромінюванням, яке може пошкодити дані та викликати скидання комп'ютера. Справа з цими небезпеками також вимагає самостійного прийняття рішень ».
З цієї причини доктор Вагстафф та її колеги почали вивчати можливі методи аналізу даних на борту, які діятимуть там, де і коли не можливо прямий нагляд за людьми. Ці методи особливо важливі при роботі з рідкісними перехідними подіями, появу, місце розташування та тривалість яких неможливо передбачити.
Сюди відносяться такі явища, як пилові чорти, які спостерігалися на Марсі, метеоритні удари, блискавка на Сатурн та крижані потоки, випромінювані Енцеладом та іншими тілами. Для вирішення цього питання доктор Вагстафф та її команда розглядали останні досягнення в алгоритмах машинного навчання, які дозволяють досягти певної автоматизації та незалежного прийняття рішень в обчислювальній техніці. Як сказав доктор Вагстафф:
«Методи машинного навчання дозволяють космічному апарату самому вивчати дані під час їх збирання. Потім космічний апарат може визначити, які спостереження містять цікаві події. Це може вплинути на призначення пріоритетів низхідній лінії зв'язку. Мета полягає в тому, щоб збільшити ймовірність того, що найцікавіші відкриття спочатку будуть знижуватись. Коли збір даних перевищує те, що може бути передано, космічний апарат може видобувати додаткові дані для цінних наукових самородок.
"Бортовий аналіз також може дати можливість космічному апарату вирішити, які дані збирати далі, виходячи з того, що він вже виявив. Це було продемонстровано на орбіті Землі за допомогою експерименту "Автономний науковий корабель" та на поверхні Марса за допомогою системи AEGIS на марсоході "Марсова наукова лабораторія (цікавість"). Автономний, чуйний збір даних може значно прискорити наукові дослідження. Ми прагнемо поширити цю здатність і на зовнішню сонячну систему ».
Ці алгоритми були спеціально розроблені, щоб допомогти в проведенні трьох типів наукових досліджень, які будуть мати надзвичайно важливе значення для цих досліджень Europa Clipper місія. Сюди входять виявлення теплових аномалій (теплих плям), аномалій композиції (незвичайні поверхневі мінерали чи родовища) та активних потоків крижаної речовини з підземного океану Європи.
"У цій обстановці обчислення дуже обмежені", - сказав доктор Вагстафф. «Комп'ютер космічного корабля працює зі швидкістю, подібною до настільного комп’ютера з середини до кінця 1990-х (~ 200 МГц). Тому ми розставили пріоритети простих, ефективних алгоритмів. Побічна перевага полягає в тому, що алгоритми легко зрозуміти, реалізувати та інтерпретувати ».
Для перевірки їх методу команда застосувала свої алгоритми як до імітованих даних, так і до спостережень з минулих космічних місій. До них відносяться Галілей космічний апарат, який робив спектральні спостереження Європи, щоб дізнатися більше про її склад; то Кассіні космічний корабель, який знімав зображення шлейфу на місяці Енцелада Сатурна; і Нові горизонти зображення космічних кораблів вулканічної активності на Місяці Юпітера Іо.
Результати цих тестів показали, що кожен із трьох алгоритмів продемонстрував достатньо високу ефективність, щоб сприяти досягненню цілей науки, викладених у Декадному опитуванні планетних наук 2011 року. До них відносяться "підтвердження наявності внутрішнього океану, характеристика крижаної оболонки супутника та можливість розуміння його геологічної історії" на Європі, щоб підтвердити "потенціал зовнішньої Сонячної системи як житла для життя".
Крім того, ці алгоритми можуть мати далекосяжний вплив на інші робототехнічні місії на глибококосмічні напрямки. Поза системою лун Європи та Юпітера НАСА сподівається дослідити місяці Сатурна Енцелад і Титан на предмет можливих ознак життя в найближчому майбутньому, а також місця призначення, які знаходяться ще далі (наприклад Місяць Триптон і навіть Плутон). Але додатки на цьому не зупиняються. Вагстаф сказав:
"Автономія космічних апаратів дозволяє нам досліджувати, куди люди не можуть їхати. Це включає віддалені напрямки, такі як Юпітер та місця, які перебувають за межами нашої Сонячної системи. Він також включає більш близькі середовища, небезпечні для людини, такі як дно морського дна або установки високої радіації тут, на Землі. "
Не важко уявити собі недалеке майбутнє, коли напівавтономні робототехнічні місії здатні досліджувати зовнішні та внутрішні досягнення Сонячної системи без регулярного нагляду за людьми. Дивлячись у майбутнє, не важко уявити собі епоху, коли повністю автономні роботи здатні досліджувати позасонячні планети та відправляти свої висновки додому.
А тим часом напівавтономний Europa Clipper ми можемо знайти докази, на які ми всі чекаємо! Це були б біосигнатури, які підтверджують, що дійсно є життя поза Землею!
