Siga o Olhar Digital no Google Discover
Por quase 60 anos, missões robóticas têm explorado a superfície de Marte em busca de evidências potenciais de vida. E muitas outras missões se juntarão nessa procura nos próximos anos.
Ofertas
Por: R$ 19,90
Por: R$ 819,00
Por: R$ 22,90
Por: R$ 2.240,00
Por: R$ 1.998,89
Por: R$ 2.498,89
Por: R$ 404,90
Por: R$ 129,90
Por: R$ 412,69
Por: R$ 593,00
Por: R$ 3.598,94
Por: R$ 469,00
Por: R$ 5.610,00
Por: R$ 499,00
Por: R$ 369,00
Por: R$ 1.616,02
Por: R$ 179,90
Por: R$ 2.759,00
Por: R$ 199,00
Por: R$ 166,19
Por: R$ 399,00
Por: R$ 132,00
Por: R$ 505,00
Tendo em vista a quantidade de dados que podemos esperar dessas missões, a Nasa está procurando novos métodos para analisar amostras geológicas. Para isso, a agência fez uma parceria com a plataforma global de crowdsourcing HeroX e com a empresa de ciência de dados DrivenData para lançar o desafio “Espectrometria de Marte: Detectar evidências de Vida Passada”.
Com prêmios que totalizam US$30 mil (R$150 mil, aproximadamente), o desafio busca métodos inovadores que dependem do aprendizado de máquina para analisar automaticamente amostras geológicas marcianas em busca de possíveis sinais de vida passada.
Apesar das quase seis décadas de esforços conjuntos de várias agências espaciais, a busca por vida em Marte rendeu pouco mais do que resultados inconclusivos. No entanto, pesquisas modernas descobriram que o planeta era um lugar muito mais quente e úmido bilhões de anos atrás. Essa descoberta é um dos avanços mais profundos da ciência planetária e levou a esforços renovados para encontrar evidências de vida passada (e talvez até mesmo presente) em Marte.
Projetos devem priorizar otimização dos processos de análise das amostras de Marte
Durante a Era Noachiana (cerca de 4,1 a 3,5 bilhões de anos atrás), Marte tinha uma atmosfera mais densa, e as condições da crosta eram quentes o suficiente para que a água líquida fluísse em sua superfície.
Evidências disso são preservadas hoje na forma de canais fluviais, depósitos sedimentares, deltas e outras características conhecidas por se formar na presença de água corrente. Sabendo por quanto tempo essas condições persistiram, os cientistas esperam determinar por quanto tempo a vida poderia ter existido.
Infelizmente, a realização de análises químicas em amostras de solo e rochas é um trabalho demorado. Além disso, as análises podem sofrer de falsos positivos quando são estritamente dependentes da interpretação humana.
Ao aproveitar técnicas de aprendizagem de máquina, nas quais modelos analíticos são criados a partir de enormes conjuntos de dados, os cientistas esperam automatizar o processo de análise química, tornando-o mais eficiente e menos lento.
Para esse desafio, a Nasa está em busca de métodos inovadores para analisar automaticamente os dados obtidos pelo instrumento Sample Analysis at Mars (SAM) a bordo do rover Curiosity.
Esses dados são fornecidos pelo Centro de Voo Espacial Goddard (GSFC) e pelo Centro Espacial Johnson (JSC), além da equipe científica do SAM. Durante anos, o Curiosity usou o instrumento SAM para coletar amostras de solo e rocha marcianas e submetê-las à análise evoluída de gás (EGA).
Isso consiste em coletar amostras de aquecimento até emitirem gases que podem ser analisados por espectrômetros para assinaturas químicas específicas. O instrumento SAM realiza isso com um cromatógrafo que separa gases para ajudar na identificação deles, um espectrômetro de massa que detecta elementos necessários para a vida, e um espectrômetro laser que detecta vapor de água e analisa o metano para ver se é de origem biológica (produzido por seres vivos).
Leia mais:
- Com trajetória pioneira, helicóptero Ingenuity completa um ano em Marte
- Veja imagens das nuvens de Marte em movimento captadas pelo Curiosity
- Nasa estuda por que a primeira tentativa de coleta de amostra do Perseverance em Marte falhou
“Este é um meio de pesquisa fascinante onde ferramentas de aprendizado de máquina podem ter um impacto real sobre como podemos aprender mais sobre nosso lugar no universo”, disse Greg Lipstein, diretor da DrivenData. “É uma grande chance de aproveitar a inteligência coletiva e a paixão da comunidade de dados para avançar no estado da ciência aberta”.
Concurso aberto para participantes de todo o mundo
De acordo com o site do desafio, os melhores métodos devem ser capazes de detectar certas famílias de compostos químicos que são de interesse dos astrobiólogos. Nisso, incluem nitrogênio, fósforo, enxofre, oxigênio e carbono, os blocos químicos de construção da vida, e voláteis como água, amônia e metano, que estão associados a processos biológicos.
A partir disso, os concorrentes são encarregados de desenvolver métodos de aprendizagem de máquina que apoiarão os cientistas na análise e interpretação de dados coletados por missões (amostras in-situ) e instrumentos de laboratório (a partir de missões de retorno de amostras).
Espera-se também que esses avanços ajudem os cientistas a realizar futuras missões com mais velocidade e maior eficiência. A competição foi lançada em 18 de fevereiro, e as inscrições vão até 18 de abril.
As técnicas vencedoras receberão US$15 mil (primeiro lugar, R$ 75,9 mil), US$7,5 mil (segundo colocado, R$ 37,9 mil), US$5 mil (terceiro, R$ 25,3 mil), e um prêmio bônus de US$2,5 mil (R$ 12,6 mil). Além disso, as propostas vencedoras podem ser usadas para ajudar a analisar dados de Marte e, potencialmente, até mesmo informar futuros instrumentos que conduzem análises in-situ. Isso inclui a missão ESA-Roscosmos ExoMars 2022, composta pelo módulo de pouso russo Kazachok e o rover da ESA Rosalind Franklin, e a missão Dragonfly, da Nasa, em Titã (a maior lua de Saturno).
O desafio é aberto a qualquer pessoa maior de 18 anos, de qualquer lugar do mundo, desde que as sanções federais não proíbam a participação (algumas restrições adicionais podem ser aplicadas). Os participantes podem competir como indivíduos ou em equipe. Para obter mais informações sobre as regras ou aceitar o desafio, visite o site do programa.
Já assistiu aos nossos novos vídeos no YouTube? Inscreva-se no nosso canal!
Tags: