Wenn der Rosalind Franklin-Rover als Teil der ExoMars-Mission Europas in Zukunft zum Mars reist, wird er künstliche Intelligenz an Bord haben. Wissenschaftler hoffen, dass ein maschinelles Lernalgorithmus ihnen helfen wird, die gesammelten Proben zu analysieren und organische Moleküle in ihnen zu erkennen. Die neue Technologie wird erstmals eingesetzt, um Daten zu analysieren, die vom Mars Organic Molecule Analyzer (MOMA) gesammelt wurden, einem hochmodernen Instrument, das “ein Labor voller chemischer Ausrüstung in einem Toaster-großen Paket” unterbringt.
MOMA wird zusammen mit dem Rosalind Franklin-Rover als Teil der bevorstehenden ExoMars-Mission unter der Leitung der Europäischen Weltraumorganisation (ESA) zum Roten Planeten geschickt. Der Mars-Rover, dessen Start frühestens 2028 geplant ist, wird Proben von der Marsoberfläche nehmen, um festzustellen, ob dort jemals Leben existiert hat. Der Rover wird beeindruckende 2 Meter tief in die Marsoberfläche vordringen können, während frühere Rover nur etwa 7 cm tief eingedrungen sind. MOMA hat das Potenzial, konservierte, antike Organika aufzudecken, was ein wichtiger Schritt bei der Suche nach vergangenem Leben wäre.
Um nach diesen Molekülen zu suchen, verfügt MOMA über das fortschrittlichste Massenspektrometer, das jemals außerhalb unseres Planeten verschickt wurde. Die Massenspektrometrie ist auf der Erde in Laboren üblich und bietet Wissenschaftlern eine Grundlage, um Moleküle anhand ihres Molekulargewichts zu identifizieren. Obwohl es auf der Erde raffiniertere und genauere Methoden gibt, um die Struktur von Molekülen zu bestimmen, ist das Massenspektrometer von MOMA ideal, um Proben komplexer Mischungen zu sortieren.
Zusätzlich zur beeindruckenden Instrumentierung trainieren Wissenschaftler nun maschinelles Lernen, um ihnen bei der Analyse der Daten zu helfen, die MOMA nach Hause schicken wird. Das langfristige Ziel ist eine hochgradig autonome Mission, bei der das maschinelle Lernalgorithmus den Wissenschaftlern auf der Erde dabei hilft, diese wichtigen Daten leichter zu untersuchen. Durch die Training des maschinellen Lernalgorithmus mit Beispielen von Proben, die MOMA auf dem Mars finden könnte, können die Wissenschaftler identifizieren, was diese Proben sind, so dass der Algorithmus sie eigenständig in realen Proben erkennen kann.