Η DrivenData, σε συνεργασία με την HeroX, ανακοίνωσαν τον νεότερο διαγωνισμό crowdsourcing για λογαριασμό της NASA: Mars Spectrometry, Detect Evidence for Past Habitability. Η πρόκληση, η οποία προσφέρει ένα πορτοφόλι 30,000 $, αναζητά καινοτόμες μεθόδους που θα βοηθήσουν αυτόματα στην ανάλυση και την ερμηνεία εξελιγμένων δεδομένων ανάλυσης αερίων-φασματομετρίας μάζας που σχετίζονται με την εξερεύνηση του Άρη. Αυτά τα δεδομένα προέρχονται από γεωλογικά δείγματα επιστημονικού ενδιαφέροντος για την καλύτερη κατανόηση των πιθανών σημείων κατοικιμότητας του πλανήτη στο παρελθόν.
Μια από τις πιο σημαντικές ανακαλύψεις της πλανητικής επιστήμης τα τελευταία χρόνια είναι ότι ο Άρης είχε περιβαλλοντικές συνθήκες που θα μπορούσαν να ήταν βιώσιμες στο παρελθόν. Η κατανόηση του τρόπου με τον οποίο άλλαξαν αυτές οι συνθήκες είναι σημαντική για την κατανόηση των συνθηκών κατοικιμότητας του Άρη με την πάροδο του χρόνου. Για αυτές τις έρευνες, πολλά ισχυρά και ισχυρά ρόβερ έχουν σταλεί στον Άρη για να συλλέξουν δείγματα πετρωμάτων και να λάβουν μετρήσεις που μπορούν να χρησιμοποιηθούν για τον προσδιορισμό της χημικής τους σύνθεσης. Επιπλέον, χιλιάδες δείγματα έχουν αναλυθεί σε εργαστήρια στη Γη για να βοηθήσουν τους επιστήμονες να κατανοήσουν το πλαίσιο για τα δεδομένα που συλλέχθηκαν στον Άρη. Αξιοποιώντας τις πολλές υποστηρικτικές πειραματικές δοκιμές που γίνονται σε συγκρίσιμα δείγματα πετρωμάτων, μπορούν να αναπτυχθούν μέθοδοι επιστήμης δεδομένων προκειμένου να υποστηριχθούν οι επιστήμονες στην ανάλυση και τις ερμηνείες τους των δεδομένων που συλλέγονται από όργανα πλανητικών αποστολών και όργανα εργαστηρίου. Αυτές οι εξελίξεις μπορεί επίσης να βοηθήσουν τους επιστήμονες να διεξάγουν πιο γρήγορα και αποτελεσματικά μελλοντικές αποστολές.
Για αυτήν την πρόκληση, οι συμμετέχοντες έχουν την αποστολή να δημιουργήσουν μια καινοτόμο μέθοδο για την αυτόματη ανάλυση δεδομένων ανάλυσης εξελιγμένων αερίων (EGA) προσομοιωμένων δειγμάτων του Άρη που συλλέγονται τόσο σε εμπορικά όσο και σε εργαστηριακά όργανα ανάλογα με αυτά που χρησιμοποιούνται για την εξερεύνηση του Άρη. Οι καλύτερες μέθοδοι θα πρέπει να είναι σε θέση να ανιχνεύουν την παρουσία ορισμένων οικογενειών χημικών ενώσεων (που καθορίζονται στην πρόκληση) στα δείγματα. Οι νικητήριες τεχνικές μπορούν να χρησιμοποιηθούν για να βοηθήσουν μελλοντικές πλανητικές αποστολές όπως η αποστολή ExoMars και η αποστολή Dragonfly στον Τιτάνα.
«Αυτό υποστηρίζει ένα συναρπαστικό ερευνητικό ερώτημα όπου τα εργαλεία μηχανικής μάθησης μπορούν να έχουν πραγματικό αντίκτυπο στο πώς μπορούμε να μάθουμε περισσότερα για τη θέση μας στο σύμπαν», δήλωσε ο Greg Lipstein, Principal, DrivenData. «Είναι μια μεγάλη ευκαιρία να αξιοποιήσουμε τη συλλογική νοημοσύνη και το πάθος της κοινότητας δεδομένων για να προωθήσουμε την κατάσταση της ανοιχτής επιστήμης».
«Είναι συναρπαστικό να πιστεύει κανείς ότι μπορεί να υπάρχουν ενδείξεις για κατοικήσιμες συνθήκες του παρελθόντος στον Άρη που αυτές οι έρευνες μπορούν να βοηθήσουν στην ερμηνεία», δήλωσε ο Kal K. Sahota, Διευθύνων Σύμβουλος της HeroX. «Αυτές οι προκλήσεις είναι τόσο εμπνευσμένες καθώς ψάχνουμε για στοιχεία εξωγήινης ζωής».
Η πρόκληση: Οι μέθοδοι θα πρέπει να ανιχνεύουν την παρουσία ορισμένων οικογενειών χημικών ενώσεων στα δεδομένα που συλλέγονται από την εκτέλεση EGA-MS σε ένα σύνολο δειγμάτων γεωλογικού υλικού.
Το έπαθλο: Ένα πορτοφόλι 30 $ θα μοιραστεί σε τέσσερις ομάδες.
Επιλεξιμότητα για να διαγωνιστεί και να κερδίσει βραβεία: Το βραβείο είναι ανοιχτό σε οποιονδήποτε ηλικίας 18 ετών και άνω που συμμετέχει ως άτομο ή ως ομάδα. Μεμονωμένοι αγωνιζόμενοι και ομάδες μπορεί να προέρχονται από οποιαδήποτε χώρα, εφόσον οι ομοσπονδιακές κυρώσεις των Ηνωμένων Πολιτειών δεν απαγορεύουν τη συμμετοχή (ισχύουν ορισμένοι περιορισμοί). Πρόσθετες απαιτήσεις καταλληλότητας ή όρια μπορούν να βρεθούν στους κανόνες πρόκλησης.
ΤΙ ΠΡΕΠΕΙ ΝΑ ΑΠΑΙΡΕΤΕ ΑΠΟ ΑΥΤΟ ΤΟ ΑΡΘΡΟ:
- By taking advantage of the many supporting experimental runs done on comparable rock samples, data science methods can be developed in order to support scientists in their analysis and interpretations of data collected by planetary mission instruments and laboratory instruments.
- The best methods should be able to detect the presence of certain families of chemical compounds (specified in the challenge) in the samples.
- The methods should detect the presence of certain families of chemical compounds in data collected from performing EGA-MS on a set of geological material samples.
