En 2023, la NASA prévoit de lancer le Europa Clipper mission, un explorateur robotique qui étudiera l’énigmatique lune Europa de Jupiter. Le but de cette mission est d'explorer la coquille de glace et l'intérieur d'Europe pour en savoir plus sur la composition, la géologie et les interactions de la lune entre la surface et le sous-sol. Surtout, le but de cette mission est de faire la lumière sur l’existence ou non de la vie dans l’océan intérieur d’Europa.
Cela présente de nombreux défis, dont beaucoup découlent du fait que la Europa Clipper sera très loin de la Terre lors de ses opérations scientifiques. Pour y remédier, une équipe de chercheurs du Jet Propulsion Laboratory (JPL) de la NASA et de l'Arizona State University (ASU) a conçu une série d'algorithmes d'apprentissage automatique qui permettront à la mission d'explorer Europa avec un degré d'autonomie.
La façon dont ces algorithmes pourraient aider dans les futures missions d'exploration dans l'espace lointain a fait l'objet d'une présentation donnée la semaine dernière (7 août) lors de la 25e conférence ACM SIGKDD sur la découverte des connaissances et l'exploration de données à Anchorage, en Alaska. Cette conférence annuelle rassemble des chercheurs et des praticiens de la science des données, de l'exploration de données et de l'analyse du monde entier pour discuter des derniers développements et applications dans le domaine.
En fin de compte, la communication avec les missions dans l'espace lointain est un travail long et difficile. Lorsque vous communiquez avec des missions à la surface de Mars ou en orbite, cela peut prendre jusqu'à 25 minutes pour les atteindre depuis la Terre (ou inversement). L'envoi de signaux à Jupiter, en revanche, peut prendre entre 30 minutes et jusqu'à une heure, selon l'endroit où il se trouve sur son orbite par rapport à la Terre.
Comme les auteurs le notent dans leur étude, les activités des engins spatiaux sont généralement transmises dans un script pré-planifié plutôt que via des commandes en temps réel. Cette approche est très efficace lorsque la position, l'environnement et d'autres facteurs affectant l'engin spatial sont connus ou peuvent être prédits à l'avance. Cependant, cela signifie également que les contrôleurs de mission ne peuvent pas réagir aux développements inattendus en temps réel.
Comme l'explique le Dr Kiri L. Wagstaff, chercheur principal au Machine Learning and Autonomie Instrument Instrument Group de la NASA JPL, par courriel à Space Magazine:
«Explorer un monde trop éloigné pour permettre un contrôle humain direct est un défi. Toutes les activités doivent être pré-scriptées. Une réponse rapide à de nouvelles découvertes ou à des changements dans l'environnement nécessite que le vaisseau spatial lui-même prenne des décisions, que nous appelons l'autonomie du vaisseau spatial. De plus, l'exploitation à près d'un milliard de kilomètres de la Terre signifie que les taux de transmission de données sont très faibles.
“La capacité du vaisseau spatial à collecter des données dépasse ce qui peut être renvoyé. Cela soulève la question de savoir quelles données doivent être collectées et comment elles doivent être hiérarchisées. Enfin, dans le cas d'Europa, le vaisseau spatial sera également bombardé par un rayonnement intense, qui peut corrompre les données et provoquer des réinitialisations informatiques. Faire face à ces dangers nécessite également une prise de décision autonome. »
Pour cette raison, le Dr Wagstaff et ses collègues ont commencé à rechercher des méthodes possibles d'analyse des données embarquées qui fonctionneraient partout et chaque fois qu'une surveillance humaine directe n'est pas possible. Ces méthodes sont particulièrement importantes lorsqu'il s'agit d'événements rares et transitoires dont l'occurrence, l'emplacement et la durée ne peuvent être prédits.
Ceux-ci incluent des phénomènes comme les diables de poussière qui ont été observés sur Mars, les impacts de météorites, la foudre sur Saturne et les panaches de glace émis par Encelade et d'autres organismes. Pour résoudre ce problème, le Dr Wagstaff et son équipe se sont penchés sur les avancées récentes dans les algorithmes d'apprentissage automatique, qui permettent un certain degré d'automatisation et de prise de décision indépendante en informatique. Comme l'a dit le Dr Wagstaff:
«Les méthodes d'apprentissage automatique permettent au vaisseau spatial lui-même d'examiner les données lors de leur collecte. Le vaisseau spatial peut alors identifier quelles observations contiennent des événements d'intérêt. Cela peut influencer l'attribution des priorités de liaison descendante. Le but est d'augmenter les chances que les découvertes les plus intéressantes soient téléchargées en premier. Lorsque la collecte de données dépasse ce qui peut être transmis, le vaisseau spatial lui-même peut extraire les données supplémentaires pour de précieuses pépites scientifiques.
«L'analyse à bord peut également permettre au vaisseau spatial de décider quelles données collecter ensuite en fonction de ce qu'il a déjà découvert. Cela a été démontré en orbite terrestre à l'aide de l'expérience de vaisseau autonome et à la surface de Mars à l'aide du système AEGIS du rover Mars Science Laboratory (Curiosity). Une collecte de données autonome et réactive peut accélérer considérablement l'exploration scientifique. Nous visons également à étendre cette capacité au système solaire externe. »
Ces algorithmes ont été spécifiquement conçus pour aider à trois types d'investigations scientifiques qui seront d'une extrême importance pour Europa Clipper mission. Celles-ci comprennent la détection d’anomalies thermiques (points chauds), d’anomalies de composition (minéraux ou dépôts de surface inhabituels) et de panaches actifs de matière glacée dans l’océan souterrain d’Europa.
"Dans ce contexte, le calcul est très limité", a déclaré le Dr Wagstaff. «L'ordinateur du vaisseau spatial fonctionne à une vitesse similaire à celle d'un ordinateur de bureau du milieu à la fin des années 1990 (~ 200 MHz). Par conséquent, nous avons priorisé des algorithmes simples et efficaces. Un avantage secondaire est que les algorithmes sont faciles à comprendre, à mettre en œuvre et à interpréter. »
Pour tester leur méthode, l'équipe a appliqué ses algorithmes aux données simulées et aux observations des missions spatiales passées. Il s'agissait notamment de Galileo vaisseau spatial, qui a fait des observations spectrales d'Europa pour en savoir plus sur sa composition; le Cassini vaisseau spatial, qui a capturé des images de l’activité du panache sur la lune de Saturne Encelade; et le Nouveaux horizons images spatiales d'activité volcanique sur la lune Io de Jupiter.
Les résultats de ces tests ont montré que chacun des trois algorithmes a démontré une performance suffisamment élevée pour contribuer aux objectifs scientifiques décrits dans le Planadian Science Decadal Survey de 2011. Il s'agit notamment de «confirmer la présence d'un océan intérieur, caractériser la coquille de glace du satellite et permettre de comprendre son histoire géologique» sur Europa pour confirmer «le potentiel du système solaire extérieur en tant que demeure de vie».
De plus, ces algorithmes pourraient avoir des implications de grande portée pour d'autres missions robotiques vers des destinations lointaines. Au-delà du système de lunes d'Europa et de Jupiter, la NASA espère explorer les lunes de Saturne Encelade et Titan pour de possibles signes de vie dans un proche avenir, ainsi que des destinations encore plus lointaines (comme la lune Triton de Neptune et même Pluton). Mais les applications ne s'arrêtent pas là. Wagstaff l'a dit:
«L’autonomie des engins spatiaux nous permet d’explorer où les humains ne peuvent pas aller. Cela inclut des destinations éloignées comme Jupiter et des emplacements au-delà de notre propre système solaire. Il comprend également des environnements plus proches qui sont dangereux pour les humains, tels que le fond du fond marin ou les paramètres de rayonnement élevé ici sur Terre. »
Il n’est pas difficile d’imaginer un avenir proche où des missions robotiques semi-autonomes seront capables d’explorer les parties externe et interne du système solaire sans surveillance humaine régulière. En regardant plus loin dans le futur, il n'est pas difficile d'imaginer une époque où des robots entièrement autonomes seront capables d'explorer des planètes extra-solaires et de renvoyer leurs découvertes à la maison.
Et en attendant, un semi-autonome Europa Clipper pourrait trouver la preuve que nous attendons tous! Ce seraient des biosignatures qui prouveraient qu'il y a vraiment de la vie au-delà de la Terre!
