엑소머스 프로젝트에 머신러닝 알고리즘 활용→화성이나 토성 등 태양계에서 생명체(또는 생명체의 흔적)의 존재를 확인하는 데 머신러닝 기술이 활용된다.
IEEE 스펙트럼에 따르면 유럽과 러시아가 공동으로 추진 중인 화성 탐사 프로젝트 엑소머스에 파일럿 인공지능 시스템을 적용하는 계획이 추진되고 있다.
EXO-MASS는 2022년 여름 또는 가을에 발사될 예정이다.
EXO-MAS는 9개월간의 여행 끝에 화성에 도착해 로잘린드 프랭클린이라는 이름의 로버를 화성 표면에 내려놓을 예정이다.
영국 과학자 로절린드 프랭클린은 DNA를 발견한 과학자 중 한 명이다. 화성에서 생명체의 흔적을 찾겠다는 과학자들의 의지가 로버의 명칭에서도 잘 드러난다.
로잘린드 프랭클린은 화상에 가라앉은 뒤 화성 지표면을 돌며 생명체의 존재를 찾는 작업을 한다.
엑소머스 프로젝트에 투입되는 로버 로잘린드 프랭클린(사진=ESA) 엑소머스 프로젝트에 참여하고 있는 과학자들은 로잘린드 프랭클린을 이용해 2m 이상 굴착한 뒤 화성 지표면의 샘플을 채취할 계획이다.
이 샘플로부터 의미 있는 데이터를 찾기 위해서 머신 러닝 알고리즘이 활용될 예정이다. 인공지능은 엑소머스 로버가 수집한 토양 데이터를 분석하는 작업을 한다.
NASA도 2026년 토성의 위성 타이탄에 탐사선을 보내 생명체의 존재를 확인하는 탐사 활동을 벌일 예정이다. NASA는 이곳에 드래곤플라이라는 옥토콥터 드론을 보내 타이탄의 대기권 관련 데이터를 수집하고 생명체의 존재를 확인하기 위한 활동을 수행한다.
NASA 고다르 행성환경 연구실(Goddard Planetary Environments Lab)의 소프트웨어 책임자인 에릭 리네스(Eric Lyness)는 오랫동안 행성탐험에 관한 과학적인 연구의 자동화에 관심을 가져왔다. 지난해 그는 머신러닝을 연구방법론으로 활용하기로 결정했다.
NASA는 토성의 위성인턴에 드래곤플라이 드론을 보내 생명체의 흔적을 찾을 계획이다(사진=존 홉킨스 APL) 리네스 씨는 우리는 머신러닝을 공부한 인턴 몇 명을 뽑았지만 기대 이상의 놀라운 성과를 거두고 있다고 말했다.
리네스 연구팀은 지난달 온라인으로 열린 지구화학 관련 콘퍼런스에서 화성에 생명이 존재함을 입증하는 데 머신러닝 알고리즘이 도움이 된다는 논문을 발표했다.
엑소머스의 로버인 로잘린드 프랭클린은 화성 지표면 2m 이하까지 굴착해 시료를 채취할 예정이다.
2m 이하의 화성 표면에는 UV태양광이 침투하기 어려워 살아있는 박테리아를 발견할 가능성이 있는 것으로 기대되고 있다. 리네스씨는 「우리는 생명과 미생물의 형태를 찾아낼 가능성을 충분히 가지고 있다.
다만 현재까지 화성에 미생물이 살아 있다는 뚜렷한 증거는 매우 적은 상태”라고 덧붙였다. 살아 있는 생명체를 발견하지 못하더라도 화성 초기에 살았던 생명체의 화석화된 증거를 화성 토양에서 찾을 수 있다고 말했다.
NASA는 엑소머스 프로젝트에 토양샘플을 분석할 수 있는 질량분석계(mass spectrometer)를 지원할 계획이다. 샘플의 질량 분석에 인공지능 기술을 곧 활용할 수 있다는 게 리네스의 지적이다.
질량분석계는 드릴로 채취한 토양샘플을 레이저로 분쇄한 뒤 이온(ions)의 질량 분포를 연구할 수 있는 장비다. 질량분석계는 다양한 분자의 원자 질량(atomic mass)에 관해 매핑을 가능하게 한다.
특히 리네스 연구팀은 화성의 토양을 형성하고 있는 광물 중 하나인 몬몰리나이트를 집중 연구하고 있다. 연구팀은 몬몰리나이트 샘플의 유기화합물에서 질량분석계 산출값의 변화를 들여다볼 생각이다.
리네스 연구팀은 엑소머스 프로젝트가 AI 알고리즘을 훈련할 수 있는 비옥한 토양이 될 것으로 보고 있다.
향후 NASA가 토성의 위성인 타이탄에 드래곤 프라이드론을 보내거나 목성의 위성인 유로파에서 우주생물학적 미션을 수행할 때 엑소머스에서 경험한 인공지능 연구가 도움이 될 것으로 판단하고 있다.
타이탄이나 유로파는 지구에서 너무 거리가 멀어 데이터를 전송하기가 매우 어렵기 때문에 우주생물학적 연구에 자동화 솔루션 도입이 필요하다는 지적이다.출처 : 로봇신문 장길수 기자