NASA는 2023 년에 유로파 클리퍼 임무, 목성의 수수께끼의 달 유로파를 연구하는 로봇 탐험가. 이 임무의 목적은 유로파의 얼음 껍질과 내부를 탐험하여 달의 구성, 지질학 및 지표면과 지표면 사이의 상호 작용에 대해 자세히 알아 보는 것입니다. 무엇보다도이 임무의 목적은 유로파 내해에 생명이 존재할 수 있는지 여부를 밝히는 것입니다.
이것은 수많은 도전을 제시하는데, 그 중 많은 부분이 유로파 클리퍼 과학 운영을 수행 할 때 지구에서 멀리 떨어져있을 것입니다. 이를 해결하기 위해 NASA의 제트 추진 연구소 (JPL)와 애리조나 주립 대학 (ASU)의 연구팀은 일련의 기계 학습 알고리즘을 설계하여 임무를 어느 정도의 자율로 유로파를 탐험 할 수있게했습니다.
이러한 알고리즘이 미래의 우주 탐사 임무를 지원하는 방법은 지난 주 (8 월 7 일) 알래스카의 앵커리지에서 열린 지식 발견 및 데이터 마이닝에 관한 25 번째 ACM SIGKDD 컨퍼런스에서 발표 된 주제였습니다. 이 연례 회의는 전 세계의 데이터 과학, 데이터 마이닝 및 분석 분야의 연구원과 실무자들이 현장에서 최신 개발 및 응용 프로그램에 대해 논의 할 수 있도록합니다.
그것이 바로 우주 공간의 미션과 통신하는 것은 시간이 걸리고 도전적인 작업입니다. 화성 표면 또는 궤도에있는 임무와 통신 할 때 지구에서 (또는 다시) 임무에 도달하는 데 최대 25 분이 걸릴 수 있습니다. 반면 목성에 신호를 보내는 데는 지구와 관련된 궤도의 위치에 따라 30 분에서 최대 1 시간이 걸릴 수 있습니다.
저자가 연구에서 언급 한 것처럼 우주선 활동은 일반적으로 실시간 명령이 아닌 미리 계획된 스크립트로 전송됩니다. 이 접근법은 우주선에 영향을 미치는 위치, 환경 및 기타 요소가 알려 지거나 사전에 예측 될 수있을 때 매우 효과적입니다. 그러나 이는 미션 컨트롤러가 예기치 않은 개발에 실시간으로 대응할 수 없음을 의미합니다.
NASA JPL의 기계 학습 및 계측 자치 그룹의 책임 연구원 인 키리 엘 바그 스타 프 박사는 다음과 같이 Space Magazine에 이메일을 통해 설명했습니다.
“직접적인 인간 통제가 불가능한 세상을 탐험하는 것은 어려운 일입니다. 모든 활동은 미리 작성해야합니다. 새로운 발견이나 환경 변화에 대한 빠른 대응을 위해서는 우주선 자체가 결정을 내려야합니다. 또한 지구에서 거의 10 억 킬로미터 떨어진 곳에서 운영하면 데이터 전송 속도가 매우 낮습니다.
“우주선이 데이터를 수집하는 능력이 다시 보낼 수있는 능력을 초과합니다. 이것은 어떤 데이터를 수집해야하고 어떻게 우선 순위를 정해야 하는가에 대한 문제를 일으킨다. 마지막으로, Europa의 경우 우주선은 강한 방사선에 의해 폭격되어 데이터가 손상되고 컴퓨터가 재설정 될 수 있습니다. 이러한 위험에 대처하기 위해서는 자율적 인 의사 결정이 필요합니다.”
이러한 이유로, Wagstaff 박사와 동료들은 사람이 직접 감독 할 수없는 곳이라면 언제 어디서나 작동 할 수있는 온보드 데이터 분석 방법을 찾기 시작했습니다. 이러한 방법은 발생, 위치 및 지속 시간을 예측할 수없는 드문 일시적 이벤트를 처리 할 때 특히 중요합니다.
여기에는 화성에서 관찰 된 먼지 악마와 같은 현상, 운석 충격, 토성에 대한 번개 및 엔셀라두스와 다른 기관에서 방출되는 얼음 기둥이 포함됩니다. 이 문제를 해결하기 위해 Wagstaff 박사와 그의 팀은 최근 머신 러닝 알고리즘의 진보를 살펴보면서 어느 정도의 자동화와 컴퓨팅의 독립적 인 의사 결정이 가능해졌습니다. Wagstaff 박사가 말한 것처럼 :
“기계 학습 방법을 통해 우주선 자체는 데이터가 수집 될 때 데이터를 검사 할 수 있습니다. 그러면 우주선은 관심있는 사건이 포함 된 관측치를 식별 할 수 있습니다. 이는 다운 링크 우선 순위 할당에 영향을 줄 수 있습니다. 가장 흥미로운 발견이 먼저 다운 링크 될 가능성을 높이는 것이 목표입니다. 데이터 수집이 전송할 수있는 양을 초과하면 우주선 자체가 유용한 과학 덩어리에 대한 추가 데이터를 채굴 할 수 있습니다.
“온보드 분석을 통해 우주선은 이미 발견 한 내용에 따라 다음에 수집 할 데이터를 결정할 수 있습니다. 이것은 자율 과학 기술 실험을 사용하여 지구 궤도에서 그리고 화성 과학 실험실 (Curiosity) 로버의 AEGIS 시스템을 사용하여 화성 표면에서 입증되었습니다. 자율적이고 반응이 빠른 데이터 수집은 과학적 탐색을 크게 가속화 할 수 있습니다. 우리는이 능력을 외부 태양계까지 확장하는 것을 목표로합니다.”
이 알고리즘은 특히 세 가지 유형의 과학적 조사를 지원하도록 설계되었습니다. 유로파 클리퍼 사명. 여기에는 열 변칙성 (따뜻한 반점), 구성 변칙성 (특이한 표면 광물 또는 침전물) 및 유로파의 해저에서 발생하는 활성 얼음 물질이 포함됩니다.
Wagstaff 박사는“이 환경에서는 계산이 매우 제한적입니다. “우주선 컴퓨터는 1990 년대 중반에서 후반까지 (약 200MHz) 데스크탑 컴퓨터와 비슷한 속도로 작동합니다. 따라서 단순하고 효율적인 알고리즘의 우선 순위를 정했습니다. 부수적 인 장점은 알고리즘을 이해, 구현 및 해석하기 쉽다는 것입니다.”
이 방법을 테스트하기 위해 팀은 시뮬레이션을 지난 데이터와 과거 우주 임무의 관측에 모두 적용했습니다. 이들은 포함 갈릴레오 우주선 : 유로파의 스펙트럼을 관찰하여 그 구성에 대해 더 많이 배웠습니다. 그만큼 카시니 토성의 위성 엔셀라두스에서 깃털 활동의 이미지를 포착 한 우주선; 그리고 새로운 지평 목성의 위성 이오에서 화산 활동의 우주선 이미지.
이 테스트의 결과는 세 가지 알고리즘 각각이 2011 년 행성 과학 10 년 조사에 요약 된 과학 목표에 기여할만큼 충분히 높은 성능을 보여주었습니다. 여기에는 유로파에서“생태계의 존재를 확인하고 위성의 빙판의 특성을 규명하고 지질 학적 역사를 이해할 수있게 해주는 것”이 포함되어 있습니다.
또한 이러한 알고리즘은 다른 로봇 임무가 우주 여행지에 광범위하게 영향을 미칠 수 있습니다. NASA는 유로파와 목성의 위성 시스템 외에도 토성의 위성 엔셀라두스와 타이탄을 탐험하여 가까운 장래의 삶의 징후와 멀리 떨어진 목적지 (넵튠의 달 트리톤, 명왕성 등)를 탐험하고 싶어합니다. 그러나 응용 프로그램은 거기서 멈추지 않습니다. Wagstaff는 다음과 같이 말합니다.
“우주선 자율성을 통해 인간이 갈 수없는 곳을 탐험 할 수 있습니다. 여기에는 목성과 같은 원격 목적지와 자체 태양계 너머의 위치가 포함됩니다. 또한 해저의 바닥이나 지구의 고 방사선 환경과 같이 인간에게 위험한 환경을 더 가까이 포함하고 있습니다.”
반 자율 로봇 임무가 정기적 인 인간 감독없이 태양계의 외부 및 내부 범위를 탐색 할 수있는 가까운 미래를 상상하는 것은 어렵지 않습니다. 미래를 더 깊이 들여다 보면 완전 자율 로봇이 외계 행성을 탐험하고 발견 한 것을 집으로 보낼 수있는 시대를 상상하기는 어렵지 않습니다.
한편, 반 자율적 유로파 클리퍼 우리 모두가 기다리고 있다는 증거를 찾을 수 있습니다! 그것은 지구 너머에 생명이 있다는 것을 증명하는 생체 서명일 것입니다!
