Pour l’espace

L’exploration de l’espace utilise aussi l’intelligence artificielle sans oublié l’aéronautique

L’IA a une fois de plus montrer de quoi elle était capable.

Le YouTubeur DutchSteamMachine a créé une IA, baptisée Depth-Aware video frame Interpolation ou DAIN, qui a permis d’améliorer la qualité des vidéos des missions Apollo 11, 15 et 16.

Grâce à cet outil, la résolution d’une vidéo de la mission Apollo 16, montrant Charlie Duke et John Young est passé de 12 images par seconde à 60 images par seconde. Le résultat du travail réalisé par DutchSteamMachine est fascinant.

Vivez une expérience inédite

Les missions Apollo ont marqué l’histoire de l’humanité. La NASA a réalisé de nombreux enregistrements de ces missions lunaires. Toutefois, les outils utilisés par l’agence spatiale américaine à l’époque n’étaient pas aussi sophistiqués que ceux qui sont à sa disposition à l’heure actuelle. Les vidéos enregistrées durant ces missions sont donc assez flous.

Il y a quelques années, la NASA a tenté d’améliorer la qualité des enregistrements les plus populaires des missions Apollo. Malgré cela, certaines vidéos restent assez floues et contiennent des grains. C’est alors que DutchSteamMachine est entré en scène. Il a conçu son IA pour « offrir une expérience inédite à travers ces anciens enregistrements. »

Une IA qui utilise l’interpolation de mouvement

La modification de ces vidéos n’a pas été une mince affaire. Pour arriver à ses fins, DutchSteamMachine a dû concevoir une IA qui se base sur l’interpolation de mouvements. Il s’agit d’une technique qui permet de modifier la vitesse de l’animation en changeant le nombre d’images affichées par seconde et les valeurs d’accélération positives et négatives. Cela a permis à l’IA d’améliorer la fluidité des vidéos et de corriger les flous. D’après DutchSteamMachine, la modification de ces enregistrements a pris beaucoup de temps. En effet, la finalisation d’une vidéo de 5 mn prendrait entre 6 et 20 heures.

La suite sur : L’agence spatiale européenne teste l’intelligence artificielle sur les satellites
Publié sur Cubic le 10 septembre 2020 par Eric Bottlaender.

Site : European Space Agency

Un nouvel algorithme de machine learning a confirmé l’existence de 50 exoplanètes, jusqu’alors inconnues, grâce à des données sauvegardées, collectées par le télescope Kepler pour la NASA lors d’une mission sans précédent.

Bien que les algorithmes soient utilisés depuis longtemps pour passer au peigne fin les données provenant des télescopes, c’est la première fois que les astronomes utilisent un algorithme basé sur le machine learning et le résultat est bluffant !

Aujourd’hui on compte enviro 4 307 exoplanètes confirmées, mais des milliards sont sans doute encore à découvrir simplement dans la Voie lactée. Certaines se cachent parmi des données recueillies par la NASA il y a des années, comme c’est le cas pour cette nouvelle découverte.

Sans aucune intervention humaine, le programme créé à l’université de Warwick, au Royaume-Uni, a ainsi pu séparer les vraies planètes des fausses dans un large échantillon de milliers de planètes candidates ; tout ça à partir de données historisées…

Dans notre cas, l’algorithme a été formé pour reconnaître des planètes réelles à l’aide de deux grands échantillons de planètes confirmées et de « faux positifs » (soit des fausses planètes) provenant de la mission Kepler de la NASA, aujourd’hui terminée.

Question : L’astronomie moderne a-t-elle encore besoin des humains ?

Pourquoi le machine learning est-il si important en astronomie ?

Il semblerait que ce nouvel outil soit plus rapide que les techniques précédentes, et qu’il puisse être à la fois automatisé et amélioré grâce à une formation complémentaire.

Cela a son importance, car les relevés d’exoplanètes produisent d’énormes quantités de données à partir de télescopes de surveillance du ciel, et ces données peuvent contenir des signes de passage de planètes entre le télescope et l’étoile observée. C’est ce qu’on appelle le transit (une sorte d’éclipse) qui provoque une très légère baisse de la lumière provenant de l’étoile.

Un tel transit ne peut être détecté que si la ligne de visée du télescope est bien visible (s’il observe un système stellaire particulier), mais il existe tellement de systèmes stellaires différents que cela se produit fréquemment. 

Par ailleurs, en plus de prouver l’existence d’une planète, une baisse de la courbe de lumière d’une étoile peut également signifier :

• qu’une autre étoile passe devant elle
• qu’un autre objet provoque une interférence
• un problème technique avec la caméra du télescope.

Les trois points précédents constituent les faux positifs ou « fausses planètes » que les astronomes doivent par la suite éliminer.

À présente, puisque les astronomes savent que ces 50 planètes sont réelles, ils peuvent entraîner des télescopes pour les observer et extraire plus de données.

À quoi ressemblent les 50 nouvelles planètes ?

Les 50 planètes trouvées grâce à cette nouvelle technique couvrent toute la gamme des planètes : certaines sont plus petites que la Terre et probablement rocheuses, certaines sont géantes et gazeuses et font sans doute la taille de Neptune. Leurs orbites varient de 200 à 1 jour. 

David Armstrong précise : « Près de 30 % des planètes connues à ce jour ont été validées par une seule méthode, ce qui n’est pas idéal. C’est pour cette raison que le développement de nouvelles méthodes de validation est souhaitable ».

« Le machine learning nous permet par ailleurs d’effectuer cette validation très rapidement et de prioriser les candidats bien plus tôt ».

Cette partie est en cours de rédaction, mais je vous laisse un premier lien :

Trouver facilement des météorites martiennes grâce à une IA

L’expansion accélérée du cosmos observable est indéniable mais on ne sait pas encore très bien ce qui la cause. Si c’est bien l’énergie noire, la détermination de sa nature est l’un des plus grands défis de l’astrophysique moderne. Pour le relever, les chercheurs se font aider par l’IA dans le cadre d’un programme d’observation et de cartographie du cosmos qui prévoit d’observer environ 35 millions de galaxies sur des milliards d’années.

Le 17 mai 2021, le télescope DESI ouvre ses 5000 yeux depuis l’Arizona. Objectif : recueillir et analyser pendant cinq ans les spectres de millions de galaxies pour mesurer leur distance par rapport à la terre et élucider le mystère de l’énergie noire. Sous l’égide du Berkeley Lab, cet ambitieux projet dans lequel le CEA est fortement impliqué dressera une carte en 3D de l’Univers précise et renseignera sur l’accélération de l’expansion de l’Univers dont l’énergie noire est tenue responsable.

Avant que la mission DESI commence ses véritables observations, il a fallu la préparer : c’est la survey validation (validation du relevé), étape incontournable dans chaque mission astronomique.

« Elle a consisté à sélectionner les 35 millions de galaxies dont DESI devra capter la lumière pour générer des spectres et à s’assurer que les objectifs scientifiques pourront être atteints », explique Christophe Yèche, pilote de cette étape vertigineuse.

Tout comme le sera la mission.

Les étapes de la survey validation

1. Sélection de 35 millions de galaxies à observer
2. 5000 fibres optiques positionnées en moins de 2 mn pour observer
3. Pré-observations et surveillance pendant 4 mois
4. Traitement et analyse des 30000 spectres récoltés

Une collaboration internationale

Menée par l’Université américaine de Berkeley, la mission DESI (Dark Energy Spectroscopic Instrument) regroupe 600 chercheurs dont ceux du CEA-Irfu très impliqués à différents niveaux : réalisation des cryostats des capteurs du plan focal et des dix spectrographes ; pilotage de la survey validation ; porte-parolat de la collaboration ; contribution à l’analyse des spectres et exploitation scientifique des données.

L’Agence spatiale européenne (ESA) envisage la possibilité de faire hiberner les équipages en route vers Mars lors de futurs voyages spatiaux. L’Intelligence artificielle jouerait un rôle prépondérant dans ce système de support de vie.

Mars : un voyage aux lourdes conséquences

En prévision d’une expédition scientifique vers Mars, l’ESA a analysé les tenants et aboutissants d’un tel voyage. Actuellement, une mission à destination de la planète rouge pourrait prendre entre 220 et 254 jours. Une très longue période qui mettrait à rude épreuve les humains participants à la mission. L’agence évoque des « contraintes physiques et mentales extrêmes« . En effet, dans l’espace, les femmes et les hommes seront confrontés à « l’irradiation solaire, [aux] effets de la microgravité et […] de l’environnement solaire, [aux] effets de la microgravité sur les organes, [au] déconditionnement, ainsi [qu’à] divers défis psycho-physiologiques« , souligne l’étude.

Source :
European space agency’s hibernation (torpor) strategy for deep space missions: Linking biology to engineering
Publié sur Science Direct en décembre 2021

La société Agenium Space a développé une technologie de deep learning qui permet par exemple de détecter les nuages sur les images prises depuis l’espace et de les supprimer automatiquement pour éviter d’encombrer la petite mémoire des nanosatellites. Après des tests concluants au sol, elle va tester son innovation en orbite sur les satellites de Loft Orbital.

Cette innovation intéresse de très près les industriels du spatial. Depuis 2018, la filiale spatiale du groupe toulousain Agenium s’est spécialisée dans l’intelligence artificielle au service des nanosatellites.

Les nanosatellites mesurent parfois 10 cm de côté. Ces petits volumes ne disposent pas de la même batterie, de la même puissance de calcul ou capacité de stockage qu’un satellite traditionnel. Le métier de cette société consiste à extraire la substantifique moelle des informations collectées par ces nanosatellites et de les stocker sur de toutes petites cartes électroniques en orbite tout en maintenant les performances.

Spaceborne, un supercalculateur doté d’une IA à bord de la Station spatiale

Hewlett-Packard Enterprise (HPE) va envoyer son second supercalculateur à bord de la Station spatiale internationale (ISS). Ce Spaceborne Computer-2, c’est son nom, est la seconde unité utilisée à bord du complexe orbital, après le premier Spaceborne utilisé de 2017 à 2019. Spaceborne Computer-2 amène l’intelligence artificielle et l’edge computing dans l’ISS, avec à la clé une capacité inédite d’analyser les données sur place et une réduction du temps de traitement de plusieurs mois à seulement quelques minutes.

Article complet : Spaceborne, un supercalculateur doté d’une IA à bord de la Station spatiale
Publié sur Futura Sciences le 16 février 2021 par Rémy Decourt

La stratégie d’hibernation de l’Agence spatiale européenne pour les missions dans l’espace lointain : Lier la biologie à l’ingénierie

Principe

Lorsqu’ils hibernent, les animaux réduisent leur fréquence cardiaque, leur respiration et d’autres fonctions vitales. Ils mettent leur métabolisme en sommeil. Une manière efficace d’économiser de l’énergie. Et les chercheurs de l’ESA engagés dans le programme d’exploration humaine de l’espace estiment que réduire sur ce schéma l’activité métabolique d’un équipage en route pour la planète Mars ne serait-ce qu’à 25 % de son activité normale, réduirait considérablement les besoins en eau et nourriture tout comme les besoins en espace de vie.

Les chercheurs avancent même que cette forme d’hibernation aiderait à limiter l’ennui, le sentiment de solitude, le stress et ainsi les niveaux d’agressivité liés au confinement dans un engin spatial. Des questions qui se posent nécessairement lorsqu’il s’agit d’embarquer un équipage pour un voyage de plusieurs années, loin de la Terre et vers une planète hostile.

Le modèle de l’ours et le tardigrade

D’avis d’expert, les tardigrades, les grenouilles ou les reptiles sont des champions de l’hibernation. Mais l’ours pourrait bien représenter le meilleur modèle s’il s’agit d’adapter la technique aux humains. Car sa masse corporelle est plus proche de la nôtre que celle des petits animaux cités plus haut. Et qu’il a pour habitude de ne faire descendre sa température corporelle que de quelques degrés. Une habitude considérée plus sûre pour nous.

Ainsi, comme le font les ours, les chercheurs encourageraient les astronautes à faire des réserves de graisse avant de se plonger en hibernation. Et, contrairement à ce qu’il peut se passer lorsqu’un humain reste six mois dans son lit, les scientifiques estiment que l’hibernation prévient l’atrophie musculaire et osseuse et protège contre les lésions tissulaires. Ainsi les ours ne mettent que 20 jours pour récupérer leurs capacités après six mois de jeûne et d’immobilisation.

Une intelligence artificielle pour veiller sur les humains

Les scientifiques de l’ESA imaginent déjà concevoir des sortes de nacelles à coque souple dans lesquelles les astronautes pourraient prendre place pour vivre en douceur cette phase d’hibernation qui les emmènerait jusqu’à Mars. Dans un environnement apaisant, avec des lumières tamisées, une température basse — moins de 10 °C — et une humidité élevée. Laissant les astronautes tout de même totalement libres de leurs mouvements. Autour de ces capsules, les chercheurs envisagent de placer une sorte de bouclier d’eau, pour les protéger des radiations

Une intelligence artificielle se chargera, elle, de gérer des opérations de routine, mais aussi les anomalies et les urgences. Elle surveillera les consommations d’énergie ainsi que les constantes des astronautes. Bref, elle s’assurera que l’équipage arrive sain et sauf à destination..

À force d’observer les rayons du Soleil en continu, les instruments de la mission spatiale « Observatoire de la dynamique solaire » (SDO) de la NASA se dégradent. Pour continuer à obtenir des images de qualité, la NASA a trouvé une solution : utiliser l’intelligence artificielle pour apprendre au télescope à se calibrer. L’application de cette innovation pour des futures missions pourrait permettre d’allonger la période effective des sondes, notamment les extrasolaires.

L’observation ininterrompue du Soleil permet aux astronomes d’avoir une source inestimable de données. L’objectif de la mission du SDO est de comprendre les changements de l’activité magnétique du Soleil, et grâce à celle-ci, nous pouvons par exemple, apprécier en vidéo les événements solaires majeurs des dix dernières années. Lancé en 2010, le SDO a reçu depuis un flux persistant des particules solaires qui affecte les lentilles et les capteurs sensibles du SDO, qui perd par conséquent, en précision et netteté.

Ndlr : J’avoue ne pas avoir fait beaucoup de recherches sur ce point.

Article source : Le télescope solaire de la NASA s’auto-calibre grâce à l’intelligence artificielle (Réservé aux abonnés)
Publié sur Science & Vie par Sofia Gavilan

L’aéronautique se met de plus en plus au vert à la suite de la COVID-19. La reprise économique relance la demande. Les constructeurs réagissent en accélérant les livraisons de commandes en cours et en se préparant dans le même temps à un pic de commandes d’avions de ligne, de fret et de défense. L’Intelligence artificielle permet une transformation en profondeur.

Le secteur de l’aéronautique se met de plus en plus au vert à la suite de la COVID-19. La reprise économique mondiale semble également relancer la demande pour des jets de fret. Les constructeurs réagissent en accélérant les livraisons de commandes en cours et en se préparant dans le même temps à un pic de commandes d’avions de ligne, de fret et de défense. On leur demande de plus d’être attentifs à la réduction de leurs émissions carbone afin de respecter l’engagement pris en faveur d’un transport respectueux du climat lors de la COP26 de Glasgow.

L’intelligence artificielle et ses sous-domaines comme l’apprentissage machine, la vision par ordinateur, l’analyse prédictive et l’impression 3D sont de véritables catalyseurs pour l’aéronautique. Ces technologies aident les constructeurs à atteindre plusieurs de leurs objectifs : renforcer l’efficacité des vols, améliorer les performances opérationnelles et le débit, stimuler la qualité, maximiser l’utilisation des capacités, résorber les arriérés de commandes et réduire leurs émissions de CO2. Le cloud permet quant à lui d’augmenter l’adoption des technologies et accélère l’automatisation en intégrant des solutions basées sur l’IA dans les processus de base.

Embarquer l’IA à bord

Depuis 1914 et la première démonstration du système de pilotage automatique par Lawrence Sperry à Paris, les cockpits ont subi une refonte importante. Les instruments critiques et les algorithmes de contrôle intégrés aux systèmes de pilotage automatique aident aujourd’hui les pilotes à naviguer de nuit ou dans des conditions météorologiques défavorables. Les améliorations apportées aux systèmes automatisés ont réduit leur charge de travail, tandis que la numérisation a renforcé la fiabilité des opérations et rendu les longs courriers plus confortables pour les passagers. Aujourd’hui, l’innovation permise par l’IA dans les systèmes autonomes est le domaine à surveiller…

La suite sur : Comment l’IA transforme l’aéronautique, même à 35 000 pieds d’altitude
Publié sur JDN le 8 décembre 2021 par Ruchir Budhwar

Le projet DEEL vise le développement d’une intelligence artificielle interprétable, robuste, sécuritaire et certifiable, appliquée aux systèmes critiques dans le domaine de l’aérospatiale et des transports. Ce programme de recherche transatlantique est porté au Québec par le Consortium de recherche et d’innovation en aérospatiale au Québec (CRIAQ) et l’Institut intelligence et données (IID) de l’Université Laval, avec la collaboration de l’Institut de valorisation des données (IVADO). En France, ce sont ANITI, l’Institut interdisciplinaire d’Intelligence Artificielle de Toulouse et l’IRT Saint-Exupéry, qui ont collaboré au projet.

L’article complet : Focus sur le projet DEEL : l’IA pour l’aéronautique, l’espace et les systèmes embarqués
Publié sur ActuIA le 1er février 2022

Le satellite Sentinel-1 a évité de justesse un débris spatial qui risquait de le pulvériser. Les équipes ont heureusement pu réagir à temps. Alors que ce type de problème risque de devenir plus fréquent, l’intelligence artificielle est envisagée pour aboutir à des solutions plus durables.

La genèse

Le 16 mai 2022, c’est un accident bien particulier qui a manqué de se produire. A près de 700 km au-dessus de nos têtes, le satellite Sentinel-1A a fait une manœuvre d’urgence pour éviter un débris qui lui fonçait dessus: un vestige de satellite russe détruit volontairement par Moscou en novembre 2021. A l’époque, ce test de missile antisatellite avait provoqué une petite onde de choc face au risque de créer de nouveaux débris dangereux pour les engins en activité.

Une prédiction évitée de justesse cette fois-ci. Sur Twitter, l’Agence spatiale européenne (ESA) chargée du satellite raconte: «La situation a évolué rapidement, la collision était compliquée à éviter, et nous avions moins de 24 heures pour agir.» Malgré ces difficultés, le satellite a pu éviter le petit débris de quelques centimètres qui aurait pu lui être fatal.

Cette mésaventure, si elle se termine bien, soulève tout de même quelques questions sur la sécurité des satellites en orbite autour de la Terre. «Ces risques sont de plus en plus fréquents, assure Jean-Paul Kneib, directeur du Centre spatial (eSpace) de l’Ecole polytechnique fédérale de Lausanne (EPFL). Une fois par mois désormais, la Station spatiale internationale doit manœuvrer pour éviter le pire.» Une situation compliquée qui n’est pas près de s’améliorer tant les satellites sont chaque jour plus nombreux, tout comme les débris, et qu’aucune solution immédiate ne paraît envisageable pour réduire ce nombre.

L’IA à la rescousse

Pour certains, le salut pourrait venir de l’intelligence artificielle. A la fin 2019, l’ESA avait annoncé le développement d’un système permettant aux satellites de détecter seuls le risque de collision et d’agir en conséquence. Deux ans plus tard, lors de la conférence européenne sur les débris spatiaux, l’agence assure que leurs résultats sont positifs et que dans leurs tests, les satellites sont capables de prendre la bonne décision face au risque. Le directeur des opérations Rolf Densing avait alors déclaré: «Nos résultats ne sont pas parfaits, mais dans de nombreux cas, l’intelligence artificielle a su identifier correctement les cas où il fallait agir.» Pour l’instant, leur rôle se limite à envoyer une alerte pour que les équipes au sol pratiquent la manœuvre, mais l’idée est de les passer en 100% automatique.

L’article complet : L’intelligence artificielle pour éviter les débris spatiaux Publié sur Le Temps le 1er juin 2022 par Hugo Ruher

Advanced digital solutions for aviation

Les promesses

Refonte de la gestion des risques en aviation

Fort de ses années d’expérience en tant que directeur des enquêtes aéronautiques au BEA et pilote de ligne, Pierre Jouniaux a constaté que les vastes quantités de données aéronautiques étaient sous-utilisées et a décidé d’exploiter les données existantes pour repenser la gestion des risques dans l’aviation. Basée sur la recherche statistique et une approche dynamique d’analyse des risques BowTie, notre solution intégrée de gestion de la conformité, de la sécurité et des risques, SafetyCube, utilise les données non seulement pour surveiller et communiquer sur les risques, mais aussi pour mieux les identifier et construire une stratégie de gestion des risques spécifique à l’industrie aéronautique qui correspond à vos opérations et activités réelles.

Exploiter l’apprentissage automatique pour le guidage prédictif en vol

En regardant de plus près les données de vol des avions qui sont enregistrées à des fins de sécurité, nous avons rapidement réalisé qu’elles capturent également de manière très précise les performances individuelles des avions dans différentes configurations. Nous avons donc décidé de mettre en place un laboratoire de recherche interne en science des données pour déployer des solutions prédictives et prescriptives, en utilisant des modèles de performance de Machine Learning pour chaque queue afin d’optimiser des phases de vol spécifiques par le biais de recommandations en vol aux pilotes. Nous avons commencé par la phase de montée, qui consomme le plus de carburant, et avons développé OptiClimb, une solution unique en vol qui recommande aux pilotes des vitesses de montée personnalisées pour chaque vol afin d’économiser d’importantes quantités de carburant et de réduire les émissions. Nous avons ensuite étendu nos services d’efficacité des vols à toutes les phases de vol avec OptiFlight.

Traiter les données des radars au sol pour relever les défis de l’exploitation des aéroports

AirsideWatch, notre solution dédiée aux aéroports, utilise les données des radars au sol pour libérer des analyses côté piste sans précédent afin d’améliorer les opérations, la sécurité et l’impact environnemental. Notre équipe de recherche a commencé par rechercher des corrélations entre l’efficacité des actions de freinage analysées par les données radar au sol et l’état des pistes par temps froid ou humide. À partir de cette technologie initiale, nous avons pu développer des solutions qui analysent l’efficacité du trafic au sol des avions dans les aéroports et nous travaillons sur des solutions prédictives pour optimiser le trafic au sol et réduire les émissions.

Avec l’aggravement progressif de la crise climatique, le transport et particulièrement l’aérien sont au centre de nombreuses critiques. Conscient de son impact, le secteur s’investit. Déjà, il planche sur un avion à hydrogène beaucoup plus propre que ses ainés. Mais en attendant un vraie « disruption » technologique, des solutions simples et très efficaces sont déjà disponibles. C’est le cas de celles proposées par Safety Line.

• La Nasa laisse une IA concevoir certaines pièces d’engins spatiaux
  La Nasa a présenté le travail de l’un de ses ingénieurs, qui dessine des pièces destinées à de nombreuses missions grâce à une intelligence artificielle.
  Publié sur Les Numériques par Romain Challand
• Cartographier les reliefs planétaires grâce au deep learning
  Des scientifiques de l’Université Constructor (ex université Jacobs) de Brême, en Allemagne, de l’Université de Padoue et de l’Université de Bologne ont développé une nouvelle approche open source pour la cartographie des reliefs planétaires à l’aide de l’intelligence artificielle. La version préliminaire de cette approche basée sur le Deep Learning, intitulée “DeepLandforms”, a été publiée fin décembre dernier dans la revue “Earth and Space Science” de l’American Geophysical Union.
  Publié sur ActuIA par Marie-Claude Benoit le 15 février 2023
• L’IA scrute les arcanes mystérieux des premières étoiles
  Les premières étoiles ne peuvent pas être nées ni avoir été exactement comme le font et sont les étoiles que l’on observe aujourd’hui dans la Voie lactée. Un des scénarios de leur naissance a laissé des traces dans les étoiles les plus vieilles de la Galaxie selon une équipe de chercheurs de l’Institut Kavli pour la physique et les mathématiques de l’Univers (Kavli IPMU) au Japon, traces qu’a révélées l’apprentissage automatique.
  Publié sur Futura par Laurent Sacco le 28 mars 2023
• La NASA crée un assistant à la ChatGPT pour les astronautes
  La NASA crée un assistant à la ChatGPT pour les astronautes. Cela pourrait changer considérablement les choses.
  Publié sur BeeGeek le 26 juin 2023
• Un algorithme informatique détecte un astéroïde « potentiellement dangereux »
  Développé pour le futur observatoire Vera-C.-Rubin qui va traquer les objets géocroiseurs susceptibles de constituer une menace pour la Terre, l’algorithme HelioLinc3D vient de faire la preuve de son efficacité.
  Publié sur Science&Vie par Marc Zaffagni le 6 août 2023

Diffusé sur Astronogeek  (Excellent canal !)

Un système doté d’une intelligence artificielle vient d’analyser une météorite martienne. Ce faisant, l’IA a synthétisé des composés qui pourraient être utilisés pour produire de l’oxygène à partir de l’eau sur la planète rouge.

Après un possible retour de l’Homme sur la Lune via le programme Artemis de la NASA, la prochaine cible des agences spatiales est sans doute Mars. Et, bien qu’il serait possible de s’y rendre en 45 jours, les technologies actuelles ne nous permettent pas une telle rapidité, le voyage prenant actuellement près d’un an. Dans ce cadre, l’autonomie des astronautes sur place est essentielle. Côté nourriture, cette mystérieuse plante pourrait bien sustenter les futurs colons. Mais, dans un premier temps, ceux-ci vont devoir produire leur propre oxygène.

Celui-ci peut être produit relativement facilement en utilisant de l’eau. Et, bonne nouvelle, d’importantes quantités d’eau gelée seraient présentes sous la surface de la planète rouge. L’eau étant composée d’hydrogène et d’oxygène, les scientifiques cherchent des moyens de récupérer facilement ce dernier élément sur place.

Mars : l’intelligence artificielle vient de trouver la perle rare

Les chercheurs traquent ainsi des composés connus sous le nom de catalyseurs capables de déclencher des réactions chimiques qui “divisent” les molécules d’eau pour générer de l’oxygène et de l’hydrogène. Les scientifiques ont donc eu recours à une intelligence artificielle, qui a calculé plus de 3,7 millions de molécules qu’elle pouvait fabriquer à partir de six éléments métalliques différents présents dans les roches.

Ainsi, en à peine plus d’un mois et sans aucune intervention humaine, l’IA a sélectionné, synthétisé et testé 243 de ces différentes molécules. Le meilleur catalyseur trouvé par le système et capable d’opérer cette séparation des éléments a une température de -37 °C.

Source : Space.com