Mars.(Bildnachweis: Chris Vaughan/Starry Night)
Wissenschaftler wenden sich dem maschinellen Lernen zu, um bei der Analyse von Proben außerhalb der Erde zu helfen.
„Dieser maschinelle Lernalgorithmus kann uns helfen, indem er die Daten schnell filtert und uns aufzeigt, welche Daten wahrscheinlich am interessantesten oder wichtigsten für uns sind“, sagte Xiang „Shawn“ Li, ein Massenspektrometrie-Wissenschaftler im Labor für planetare Umgebungen bei NASA Goddard.
Die neue Technologie wird zunächst auf Daten angewandt, die mit dem Mars Organic Molecule Analyzer (MOMA) gesammelt wurden, einem hochmodernen Instrument, das ein „Labor voller chemischer Geräte in ein Paket von der Größe eines Toasters quetscht.“
MOMA wird im Rahmen der bevorstehenden ExoMars-Mission unter der Leitung der Europäischen Weltraumorganisation (ESA) an Bord des Rosalind Franklin Rovers zum Roten Planeten geschickt. Der Rover, der frühestens 2028 starten soll, wird Proben von der Marsoberfläche nehmen, um festzustellen, ob dort jemals Leben existiert hat.
Der Rover wird in der Lage sein, beeindruckende 2 Meter (6,6 Fuß) tief in die Marsoberfläche zu bohren; frühere Rover haben nur 7 Zentimeter (2,8 Zoll) unter die Oberfläche gelangt.
„Organische Materialien auf der Marsoberfläche werden durch die Strahlung an der Oberfläche und die kosmische Strahlung, die in den Untergrund eindringt, eher zerstört“, so Li, „aber zwei Meter Tiefe sollten ausreichen, um die meisten organischen Stoffe abzuschirmen. MOMA hat daher das Potenzial, erhaltene alte organische Stoffe aufzuspüren, was ein wichtiger Schritt bei der Suche nach vergangenem Leben wäre.“
Erhalten Sie den kosmischeweiten.de Newsletter
Dazu sucht das MOMA nach organischen Verbindungen – also solchen, die ein oder mehrere Kohlenstoffatome enthalten, die kovalent mit Atomen anderer Elemente verbunden sind, meist Wasserstoff, Sauerstoff oder Stickstoff -, die in den Bohrproben gefunden werden und aus lebender Materie stammen könnten.
Um diese Moleküle aufzuspüren, verfügt MOMA über das modernste Massenspektrometer, das jemals in den Weltraum geschickt wurde. Massenspektrometer sind in den Labors auf der Erde alltäglich und bieten Wissenschaftlern eine grundlegende Möglichkeit, Moleküle anhand ihres Molekulargewichts zu identifizieren. Es gibt zwar ausgefeiltere und genauere Techniken, mit denen Wissenschaftler die Struktur eines Moleküls bestimmen können, aber das Massenspektrometer von MOMA ist perfekt geeignet, um Proben komplexer Gemische zu sortieren.
Wie sein Vorgänger SAM, der auf dem Curiosity-Rover mitgeführt wird, kann MOMA die vom Rover gesammelten Proben vorbereiten, indem es Materialien in einem Hochtemperaturofen verdampft, bevor es flüchtige Moleküle durch einen Gaschromatographen schickt, der die chemischen Komponenten des Gemischs trennt und analysiert. Die Trennung erfolgt durch die Wechselwirkung der Proben mit zwei Phasen in der Säule des Chromatographen: einer mobilen Gasphase und einer stationären festen oder flüssigen Phase.
Während sie in der Gasphase durch das Gerät transportiert werden, interagieren die verschiedenen Moleküle in einem Probengemisch je nach ihrer Struktur, ihren Elementen und ihrer allgemeinen chemischen Zusammensetzung unterschiedlich mit der stationären Phase der Säule – einige verweilen und bilden vorübergehende, schwache Bindungen, während andere einfach durchschlagen. Dies führt dazu, dass die Moleküle die Säule mit unterschiedlichen Geschwindigkeiten durchlaufen, wodurch das Gemisch aufgetrennt und die einzelnen Komponenten anhand ihrer Masse und Ionisierung identifiziert werden können.
Das Spannende am MOMA ist, dass es eine ergänzende Betriebsart enthält, die als „Laser-Desorptions-Massenspektrometrie“ bekannt ist. Hier wird gepulstes ultraviolettes Licht verwendet, um organische Moleküle von der Oberfläche einer Probe zu lösen und zu ionisieren.
Die Dauer jedes Laserpulses ist unglaublich kurz, weniger als zwei Nanosekunden, um genau zu sein (wobei eine Nanosekunde ein Milliardstel einer Sekunde ist). Dieser ultraschnelle Puls sorgt dafür, dass der Prozess sehr schnell abläuft, so dass schwache chemische Bindungen erhalten bleiben und die Präzision der Molekülidentifizierung verbessert wird.
Während die Instrumente für sich genommen schon beeindruckend sind, trainieren die Wissenschaftler jetzt Modelle für maschinelles Lernen, die ihnen helfen sollen, die Daten zu sortieren, die das MOMA nach Hause schicken wird. Dies geschieht anhand von Labordaten, die im Laufe von mehr als einem Jahrzehnt gesammelt wurden.
„Je mehr wir tun, um die Datenanalyse zu optimieren, desto mehr Informationen und Zeit werden die Wissenschaftler haben, um die Daten zu interpretieren“, sagte Victoria Da Poian, eine Datenwissenschaftlerin bei NASA Goddard, die die Entwicklung des Algorithmus für maschinelles Lernen mit leitet. „Auf diese Weise können wir schnell auf die Ergebnisse reagieren und die nächsten Schritte so planen, als ob wir mit dem Rover vor Ort wären, und das viel schneller als bisher.“
Die Wissenschaftler trainieren den Algorithmus für maschinelles Lernen, indem sie ihn mit Beispielen von Proben füttern, die MOMA auf dem Mars finden könnte, und sie identifizieren, so dass der Algorithmus sie dann in echten Proben selbst identifizieren kann, was dem Team Zeit spart.
„Der langfristige Traum ist eine hochgradig autonome Mission“, sagt Da Poian. „Im Moment ist der Algorithmus für maschinelles Lernen von MOMA ein Werkzeug, das den Wissenschaftlern auf der Erde hilft, diese wichtigen Daten leichter zu untersuchen.“
Li und Da Poian sehen das Potenzial, dass ihr Algorithmus bei der zukünftigen Erforschung nicht nur des Mars, sondern auch der Saturnmonde Titan und Enceladus sowie des Jupitermondes Europa helfen kann.
