Los científicos están recurriendo al aprendizaje automático para ayudar con el análisis de muestras extraterrestres.
“Este algoritmo de aprendizaje automático puede ayudarnos a filtrar rápidamente los datos y señalar qué datos probablemente sean los más interesantes o importantes para que los examinemos”, dijo Xiang “Shawn” Li, científico de espectrometría de masas en el laboratorio de Ambientes Planetarios en el Centro Goddard de la NASA.
La nueva tecnología se aplicará primero a los datos recopilados por el Marte Analizador de Moléculas Orgánicas (MOMA), un instrumento de última generación que comprime “un laboratorio lleno de equipos de química en un paquete del tamaño de una tostadora”.
El MOMA será enviado al Planeta Rojo a bordo del Rover Rosalind Franklin como parte del próximo ExoMarte La misión, dirigida por la Agencia Espacial Europea (ESA), se lanzará en 2028 como muy pronto y tomará muestras de la superficie de Marte para intentar determinar si alguna vez existió vida allí.
Relacionado: Posibles señales de vida en Marte: un astrobiólogo explica el emocionante hallazgo del rover Perseverance
El rover podrá perforar unos impresionantes 2 metros de profundidad en la superficie de Marte; los rover anteriores solo han llegado hasta unos 7 centímetros debajo de la superficie.
“Los materiales orgánicos en la superficie de Marte tienen más probabilidades de ser destruidos por la exposición a la radiación en la superficie y rayos cósmicos “Hay muchos materiales que penetran en el subsuelo”, dijo Li, “pero dos metros de profundidad deberían ser suficientes para proteger la mayor parte de la materia orgánica. Por lo tanto, MOMA tiene el potencial de detectar materia orgánica antigua preservada, lo que sería un paso importante en la búsqueda de vida pasada”.
Para ello, el MOMA buscará compuestos orgánicos, aquellos que contienen uno o más átomos de carbono unido covalentemente a átomos de otros elementos, más comúnmente hidrógeno, oxígeno o nitrógeno, que pueden encontrarse en muestras perforadas y podrían haberse originado a partir de materia viva.
Para buscar estas moléculas, MOMA contiene el espectrómetro de masas más sofisticado jamás enviado al exterior. TierraLos espectrómetros de masas son un elemento común en los laboratorios de la Tierra y ofrecen a los científicos una forma fundamental de identificar moléculas en función del peso molecular. Si bien existen técnicas más sofisticadas y precisas que los científicos utilizan para determinar la estructura de una molécula, el instrumento de espectrometría de masas del MOMA es perfectamente adecuado para analizar muestras de mezclas complejas.
Al igual que su predecesor, SAM, enviado en el El explorador CuriosityEl MOMA puede preparar las muestras recogidas por el rover, vaporizando los materiales en un horno de alta temperatura antes de enviar las moléculas volátiles a través de un cromatógrafo de gases que separa y analiza los componentes químicos de la mezcla. La separación se produce porque las muestras interactúan con dos fases dentro de la columna del cromatógrafo: una fase gaseosa móvil y una fase sólida o líquida estacionaria.
Mientras pasan por el instrumento en fase gaseosa, dependiendo de su estructura, elementos y química general, las diferentes moléculas de una mezcla de muestra interactuarán de manera diferente con la fase estacionaria de la columna: algunas permanecerán allí formando enlaces débiles y temporales, mientras que otras simplemente seguirán avanzando. Esto hace que se desplacen por la columna a diferentes velocidades, separando así la mezcla y luego identificando los componentes individuales en función de sus masas y de cómo se ionizan.
Lo interesante del MOMA es que contiene un modo de operación complementario conocido como “espectrometría de masas por desorción láser”, en el que se utiliza luz ultravioleta pulsada para liberar e ionizar moléculas orgánicas de la superficie de una muestra.
La duración de cada pulso láser es increíblemente corta, menos de dos nanosegundos para ser precisos (donde un nanosegundo es una milmillonésima parte de un segundo). Este pulso ultrarrápido garantiza que el proceso se realice muy rápidamente, lo que permite preservar los enlaces químicos débiles y mejorar la precisión de la identificación molecular.
Si bien la instrumentación es impresionante por sí sola, los científicos ahora están entrenando modelos de aprendizaje automático para ayudarlos a clasificar los datos que el MOMA enviará a casa. Esto se está haciendo utilizando datos de laboratorio recopilados a lo largo de más de una década.
“Cuanto más hagamos para optimizar el análisis de datos, más información y tiempo tendrán los científicos para interpretarlos”, dijo Victoria Da Poian, científica de datos de la NASA Goddard, que codirige el desarrollo del algoritmo de aprendizaje automático. “De esta manera, podemos reaccionar rápidamente a los resultados y planificar los próximos pasos como si estuviéramos allí con el explorador, mucho más rápido de lo que lo hubiéramos hecho antes”.
Los científicos entrenan el algoritmo de aprendizaje automático alimentándolo con ejemplos de muestras que MOMA puede encontrar en Marte, identificando cuáles son para que el algoritmo pueda luego identificarlas en muestras reales por sí solo, liberando así tiempo al equipo.
“El sueño a largo plazo es una misión altamente autónoma”, afirmó Da Poian. “Por ahora, el algoritmo de aprendizaje automático de MOMA es una herramienta que ayudará a los científicos en la Tierra a estudiar más fácilmente estos datos cruciales”.
Li y Da Poian ven potencial para que su algoritmo ayude en la exploración futura más allá de Marte, incluidas las lunas Titán y Encéladoy la luna de Júpiter Europa.