È nato per supportare la ricerca dei segni di vita passata su Marte, ma in futuro potrebbe essere utilizzato per aiutare a prevedere uragani o altri eventi estremi meteorologici sulla Terra. Tutto questo grazie alla sua capacità di combinare insieme dati con risoluzioni diverse.
Stiamo parlando di Nested Fusion, il nuovo algoritmo sviluppato dal Georgia Institute of Technology e testato su Perseverance, il rover di Nasa operativo su Marte dal 2021.
Il robot sta raccogliendo campioni dal suolo marziano ed effettuando analisi mineralogiche da particolari rocce. Il suo scopo è quello di cercare le biofirme lasciate da eventuali forme di vita presenti nella storia antica di Marte.
Rispetto a tecnologie precedenti, Perseverance effettua misurazioni sulla superficie marziana a una maggiore risoluzione; un salto di qualità che però introduce una nuova sfida per le tecniche di analisi dei dati che ottiene dalle sue esplorazioni.
Per raccogliere informazioni su ciascun campione prelevato, Perseverance si affida, infatti, allo strumento Pixl (Planetary Instrument for X-ray Lithochemistry). Questo è composto da uno spettrometro a fluorescenza a raggi X (Xrf), che rileva la composizione elementare su scala fine di un campione, e dalla Multi-Context Camera (Mcc), che dello stesso produce, invece, immagini per raccoglierne dettagli visivi e fisici, come dimensioni e forma.
Tuttavia, lo spettrometro Xrf e la camera Mcc hanno ciascuno una risoluzione unica, fattore che rende molto complicata la sovrapposizione dei loro dati.
Ed è qui che entra in gioco l’algoritmo Nested Fusion, il quale, partendo da insiemi di dati con risoluzioni diverse, è in grado di produrre una unica distribuzione visiva ad alta risoluzione di tutti i diversi dati che gli vengono forniti.
Utilizzando questo innovativo metodo, un singolo scienziato può formulare così una stima iniziale della composizione minerale di un campione in poche ore. Prima di Nested Fusion, lo stesso compito richiedeva giorni di collaborazione tra team di esperti su ogni diverso strumento.
La grande capacità di riassumere in una unica visualizzazione dati complessi provenienti da varie fonti allo stesso tempo ha portato Austin P. Wright, sviluppatore dell’agoritmo e data scientist che lavora sul software utilizzato dal Jlp della Nasa per studiare i dati di Perseverance, a voler sviluppare ulteriori applicazioni Nested Fusion per modellare i cambiamenti climatici, la vita di piante e animali e altri fenomeni terrestri complessi.
Lo strumento testato, quindi, per lo studio della superficie di Marte porterà alla nascita di algoritmi simili a disposizione per una innovazione anche nello studio delle scienze della Terra.
«L’analisi cross-correlazionale richiede molto tempo e non viene effettuata nelle fasi iniziali della ricerca, quando appaiono i modelli e si formano nuove ipotesi. Nested Fusion permette di scoprire questi modelli molto prima», afferma Austin P. Wright.
L’algoritmo Nested Fusion è stato presentato e premiato con il secondo posto alla 2024 International Conference on Knowledge Discovery and Data Mining (KDD 2024) che si è tenuta a Barcellona a fine agosto. I risultati ottenuti da Austin P. Wright sono accessibili a questo articolo.
