Durante casi 60 años, las misiones robóticas han estado explorando la superficie de Marte en busca de evidencia potencial de vida. Más misiones robóticas se unirán a esta búsqueda en los próximos 15 años, la primera muestra que regresa de Marte (cortesía del rover Perseverance) llegará aquí a la Tierra, y se enviarán misiones tripuladas allí. Al igual que sus predecesores, estas misiones se basarán en la espectrometría de masas para analizar muestras de las arenas marcianas y buscar posibles signos de vida pasada.
Dada la cantidad de datos que podemos esperar de estas misiones, la NASA está buscando nuevos métodos para analizar muestras geológicas. Con este fin, la NASA se ha asociado con la plataforma global de crowdsourcing HeroX y la empresa de ciencia de datos DrivenData para lanzar el desafío Mars Spectrometry: Detect Evidence for Past Life. Con una bolsa de premios de $30,000, este desafío busca métodos innovadores que se basen en el aprendizaje automático para analizar automáticamente las muestras geológicas marcianas en busca de posibles signos de vidas pasadas.
A pesar de los sesenta años de esfuerzos concertados de múltiples agencias espaciales, la búsqueda de vida en Marte ha arrojado poco más que resultados no concluyentes (como lo demuestran los módulos de aterrizaje Viking 1 y 2). Sin embargo, las encuestas modernas han encontrado que Marte era un lugar mucho más cálido y húmedo hace miles de millones de años. Este descubrimiento es uno de los avances más profundos en la ciencia planetaria y ha llevado a renovar los esfuerzos para encontrar evidencia de vida pasada (y tal vez incluso presente) en Marte.
Durante el Período Noaquiano (hace aproximadamente 4100 a 3500 millones de años), Marte tenía una atmósfera más densa y las condiciones de la superficie eran lo suficientemente cálidas como para que fluyera agua líquida en su superficie. La evidencia de esto se conserva hoy en forma de canales de ríos, depósitos sedimentarios, abanicos delta y otras características que se sabe que se forman en presencia de agua que fluye. Al saber cuánto tiempo persistieron estas condiciones, los científicos esperan determinar cuánto tiempo pudo haber existido la vida.
Desafortunadamente, realizar análisis químicos en muestras de suelo y roca es un trabajo que requiere mucho tiempo. Además, los análisis pueden sufrir falsos positivos cuando dependen estrictamente de la interpretación humana. Al aprovechar las técnicas de aprendizaje automático, en las que se crean modelos analíticos a partir de enormes conjuntos de datos, los científicos esperan automatizar el proceso de análisis químico, haciéndolo más eficiente y que consuma menos tiempo.
Para este desafío, la NASA está buscando métodos innovadores para analizar automáticamente los datos obtenidos por el instrumento Sample Analysis at Mars (SAM) a bordo del rover Curiosity. Estos datos son proporcionados por el Centro de Vuelo Espacial Goddard de la NASA (GSFC) y el Centro Espacial Johnson (JSC), y el equipo científico de SAM. Durante años, Curiosity ha utilizado el instrumento SAM para recolectar muestras de rocas y suelos marcianos y someterlas a análisis de gases evolucionados (EGA).
Esto consiste en calentar las muestras hasta que emiten gases que pueden ser analizados por espectrómetros en busca de firmas químicas específicas. El instrumento SAM logra esto con un cromatógrafo de gases que separa los gases para ayudar a identificarlos, un espectrómetro de masas que detecta los elementos necesarios para la vida y un espectrómetro láser sintonizable que detecta el vapor de agua y analiza el metano para ver si es de origen biótico (producido por los seres vivos).
Greg Lipstein, director de DrivenData, dijo en el comunicado de prensa del desafío: “Esta es una pregunta de investigación fascinante donde las herramientas de aprendizaje automático pueden tener un impacto real sobre cómo podemos aprender más sobre nuestro lugar en el universo. Es una gran oportunidad para aprovechar la inteligencia colectiva y la pasión de la comunidad de datos para avanzar en el estado de la ciencia abierta”.
Según la página del desafío, los mejores métodos deberían poder detectar ciertas familias de compuestos químicos que son de interés para los astrobiólogos. Estos incluyen nitrógeno, fósforo, azufre, oxígeno y carbono, los componentes químicos básicos de la vida, y volátiles como el agua, el amoníaco y el metano, que están asociados con los procesos biológicos. Los competidores también podrán aprovechar las numerosas ejecuciones experimentales realizadas en muestras analógicas.
A partir de esto, los competidores tienen la tarea de desarrollar métodos de aprendizaje automático que ayudarán a los científicos a analizar e interpretar los datos recopilados por las misiones (muestras in situ) y los instrumentos de laboratorio (de las misiones de devolución de muestras). También se espera que estos avances ayuden a los científicos a realizar futuras operaciones de misión con mayor velocidad y eficiencia. La competencia se lanzó el 18 de febrero y permanecerá abierta a presentaciones hasta el 18 de abril de 2022.
Las técnicas ganadoras recibirán $15.000 (primer lugar), $7.500 (segundo), $5.000 (tercero), con un premio de bonificación de $2.500. Además, las entradas ganadoras pueden usarse para ayudar a analizar datos de Marte e incluso informar potencialmente a futuros instrumentos que realicen análisis in situ. Esto incluye la misión ESA-Roscosmos ExoMars 2022, que consiste en el módulo de aterrizaje ruso Kazachok, el rover ESA Rosalind Franklin y la misión Dragonfly de la NASA a Titán (la luna más grande de Saturno).
“Es emocionante pensar que podría haber pistas de vidas pasadas en Marte”, dijo el CEO de HeroX, Kal K. Sahota. “Estos desafíos son muy inspiradores mientras buscamos evidencia de vida extraterrestre”.
El desafío está abierto a cualquier persona mayor de 18 años, y los participantes pueden competir individualmente o en equipo. La competencia está abierta a individuos y equipos de cualquier parte del mundo, siempre que las sanciones federales no prohíban la participación (pueden aplicarse algunas restricciones adicionales). Para obtener más información sobre las reglas o para aceptar el desafío, visite https://mars.drivendata.org
