Nel 2023, la NASA prevede di lanciare il Europa Clipper mission, un esploratore robotico che studierà l'enigmatica luna di Giove Europa. Lo scopo di questa missione è esplorare la conchiglia e gli interni di Europa per saperne di più sulla composizione, sulla geologia e sulle interazioni della luna tra superficie e sottosuolo. Soprattutto, lo scopo di questa missione è far luce sull'esistenza o meno della vita all'interno dell'oceano interno di Europa.
Ciò presenta numerose sfide, molte delle quali derivano dal fatto che il Europa Clipper sarà molto lontano dalla Terra quando conduce le sue operazioni scientifiche. Per risolvere questo problema, un team di ricercatori del Jet Propulsion Laboratory (JPL) della NASA e dell'Arizona State University (ASU) hanno progettato una serie di algoritmi di apprendimento automatico che consentiranno alla missione di esplorare Europa con un certo grado di autonomia.
Il modo in cui questi algoritmi potrebbero aiutare nelle future missioni di esplorazione dello spazio profondo sono stati oggetto di una presentazione tenutasi la scorsa settimana (7 agosto) alla 25a conferenza ACM SIGKDD sulla scoperta della conoscenza e l'estrazione dei dati ad Anchorage, in Alaska. Questa conferenza annuale riunisce ricercatori e professionisti nel campo della scienza dei dati, del data mining e dell'analisi di tutto il mondo per discutere degli ultimi sviluppi e applicazioni nel settore.
Quando si arriva a questo, comunicare con le missioni nello spazio profondo è un lavoro impegnativo, che richiede tempo. Quando comunichi con le missioni sulla superficie di Marte o in orbita, possono essere necessari fino a 25 minuti per raggiungerli dalla Terra (o viceversa). L'invio di segnali a Giove, invece, può richiedere da 30 minuti a un'ora, a seconda di dove si trova nella sua orbita rispetto alla Terra.
Come notano gli autori nel loro studio, le attività dei veicoli spaziali sono in genere trasmesse in uno script pre-pianificato piuttosto che attraverso comandi in tempo reale. Questo approccio è molto efficace quando la posizione, l'ambiente e altri fattori che influenzano il veicolo spaziale sono noti o possono essere previsti in anticipo. Tuttavia, significa anche che i controllori di missione non possono reagire a sviluppi imprevisti in tempo reale.
Come ha spiegato alla Space Space via e-mail il Dr. Kiri L. Wagstaff, ricercatore principale del gruppo di apprendimento automatico e strumenti JPL della NASA:
“Esplorare un mondo troppo distante per consentire il controllo umano diretto è una sfida. Tutte le attività devono essere pre-scritte. Una risposta rapida a nuove scoperte o cambiamenti nell'ambiente richiede al veicolo spaziale stesso di prendere decisioni, che chiamiamo autonomia del veicolo spaziale. Inoltre, operare a circa un miliardo di chilometri di distanza dalla Terra significa che le velocità di trasmissione dei dati sono molto basse.
“La capacità del veicolo spaziale di raccogliere dati supera ciò che può essere rispedito. Ciò solleva la questione di quali dati debbano essere raccolti e come debbano essere prioritari. Infine, nel caso di Europa, anche i veicoli spaziali saranno bombardati da radiazioni intense, che possono corrompere i dati e causare ripristini del computer. Affrontare questi pericoli richiede anche un processo decisionale autonomo. "
Per questo motivo, la dott.ssa Wagstaff e i suoi colleghi hanno iniziato a studiare possibili metodi per l'analisi dei dati a bordo che sarebbero operativi ovunque e ogni volta che la supervisione umana diretta non fosse possibile. Questi metodi sono particolarmente importanti quando si affrontano eventi rari e transitori la cui occorrenza, posizione e durata non possono essere previsti.
Questi includono fenomeni come i diavoli di polvere che sono stati osservati su Marte, impatti di meteoriti, fulmini su Saturno e pennacchi ghiacciati emessi da Encelado e altri corpi. Per risolvere questo problema, la dott.ssa Wagstaff e il suo team hanno esaminato i recenti progressi negli algoritmi di machine learning, che consentono un grado di automazione e un processo decisionale indipendente nel campo dell'informatica. Come ha detto il Dr. Wagstaff:
“I metodi di apprendimento automatico consentono al veicolo spaziale stesso di esaminare i dati man mano che vengono raccolti. Il veicolo spaziale può quindi identificare quali osservazioni contengono eventi di interesse. Ciò può influenzare l'assegnazione delle priorità di downlink. L'obiettivo è aumentare la possibilità che le scoperte più interessanti vengano prima collegate in downlink. Quando la raccolta dei dati supera ciò che può essere trasmesso, l'astronave stessa può estrarre i dati aggiuntivi per preziose pepite scientifiche.
“L'analisi integrata può anche consentire al veicolo spaziale di decidere quali dati raccogliere successivamente in base a ciò che ha già scoperto. Questo è stato dimostrato in orbita terrestre usando l'Autonomous Sciencecraft Experiment e sulla superficie di Marte usando il sistema AEGIS sul rover Mars Science Laboratory (Curiosity). La raccolta autonoma e reattiva dei dati può accelerare notevolmente l'esplorazione scientifica. Miriamo a estendere questa capacità anche al sistema solare esterno. "
Questi algoritmi sono stati appositamente progettati per aiutare con tre tipi di indagini scientifiche che saranno di estrema importanza per il Europa Clipper missione. Questi includono il rilevamento di anomalie termiche (punti caldi), anomalie compositive (minerali o depositi superficiali insoliti) e pennacchi attivi di materia ghiacciata dall'oceano sotterraneo di Europa.
"In questa impostazione, il calcolo è molto limitato", ha detto il dott. Wagstaff. “Il computer spaziale funziona a una velocità simile a quella dei computer desktop dalla metà alla fine degli anni '90 (~ 200 MHz). Pertanto, abbiamo dato la priorità agli algoritmi semplici ed efficienti. Un vantaggio secondario è che gli algoritmi sono facili da capire, implementare e interpretare. "
Per testare il loro metodo, il team ha applicato i propri algoritmi sia ai dati simulati che alle osservazioni delle precedenti missioni spaziali. Questi includevano il Galileo veicolo spaziale, che ha fatto osservazioni spettrali di Europa per saperne di più sulla sua composizione; il Cassini veicolo spaziale, che ha catturato immagini dell'attività pennacchio sulla luna di Saturno Encelado; e il Nuovi orizzonti immagini di veicoli spaziali di attività vulcanica sulla luna di Giove Io.
I risultati di questi test hanno mostrato che ciascuno dei tre algoritmi ha dimostrato prestazioni sufficientemente elevate da contribuire agli obiettivi scientifici delineati nel 2011 Planetary Science Decadal Survey. Questi includono "confermare la presenza di un oceano interno, caratterizzare la conchiglia di ghiaccio del satellite e consentire la comprensione della sua storia geologica" su Europa per confermare "il potenziale del sistema solare esterno come dimora per la vita".
Inoltre, questi algoritmi potrebbero avere implicazioni di vasta portata per altre missioni robotiche verso destinazioni nello spazio profondo. Al di là di Europa e del sistema di lune di Giove, la NASA spera di esplorare le lune di Saturno Encelado e Titano per possibili segni di vita nel prossimo futuro, così come destinazioni ancora più lontane (come la luna di Nettuno, Tritone e persino Plutone). Ma le applicazioni non si fermano qui. Wagstaff ha detto:
"L'autonomia dei veicoli spaziali ci consente di esplorare dove gli umani non possono andare. Ciò include destinazioni remote come Giove e località oltre il nostro Sistema Solare. Include anche ambienti più vicini che sono pericolosi per l'uomo, come il fondo del fondale marino o le impostazioni ad alta radiazione qui sulla Terra. "
Non è difficile immaginare un futuro prossimo in cui le missioni robotiche semi-autonome sono in grado di esplorare i confini esterni e interni del Sistema Solare senza una regolare supervisione umana. Guardando più avanti nel futuro, non è difficile immaginare un'epoca in cui i robot completamente autonomi sono in grado di esplorare pianeti extra-solari e inviare le loro scoperte a casa.
E nel frattempo, un semi-autonomo Europa Clipper potrebbe trovare le prove che stiamo tutti aspettando! Sarebbero le biosignature che dimostrano che esiste davvero la vita oltre la Terra!
