DrivenData, en collaboration avec HeroX, a annoncé son nouveau concours de crowdsourcing au nom de la NASA : Mars Spectrometry, Detect Evidence for Past Habitability. Le défi, qui offre une bourse de 30,000 XNUMX $, recherche des méthodes innovantes pour aider automatiquement à analyser et interpréter les données d'analyse de gaz évolué-spectrométrie de masse liées à l'exploration de Mars. Ces données sont issues d'échantillons géologiques d'intérêt scientifique pour mieux comprendre les potentiels signes d'habitabilité passée de la planète.
L'une des découvertes scientifiques planétaires les plus importantes de ces dernières années est que Mars avait des conditions environnementales qui auraient pu être vivables dans le passé. Comprendre comment ces conditions ont changé est important pour comprendre les conditions d'habitabilité de Mars au fil du temps. Pour ces enquêtes, plusieurs rovers robustes et puissants ont été envoyés sur Mars pour collecter des échantillons de roche et prendre des mesures qui peuvent être utilisées pour déterminer leur composition chimique. De plus, des milliers d'échantillons ont été analysés dans des laboratoires sur Terre pour aider les scientifiques à comprendre le contexte des données collectées sur Mars. En tirant parti des nombreuses expériences de soutien effectuées sur des échantillons de roche comparables, des méthodes de science des données peuvent être développées afin de soutenir les scientifiques dans leur analyse et interprétation des données collectées par les instruments de mission planétaire et les instruments de laboratoire. Ces avancées peuvent également aider les scientifiques à mener plus rapidement et plus efficacement les futures opérations de mission.
Pour ce défi, les participants sont chargés de créer une méthode innovante pour analyser automatiquement les données d'analyse des gaz évolués (EGA) d'échantillons de Mars simulés collectés sur des instruments commerciaux et de laboratoire analogues à ceux utilisés pour l'exploration de Mars. Les meilleures méthodes doivent pouvoir détecter la présence de certaines familles de composés chimiques (précisées dans le challenge) dans les échantillons. Les techniques gagnantes peuvent être utilisées pour aider les futures missions planétaires telles que la mission ExoMars et la mission Dragonfly vers Titan.
"Cela soutient une question de recherche fascinante où les outils d'apprentissage automatique peuvent avoir un impact réel sur la façon dont nous pouvons en savoir plus sur notre place dans l'univers", a déclaré Greg Lipstein, directeur de DrivenData. "C'est une excellente occasion d'exploiter l'intelligence collective et la passion de la communauté des données pour faire progresser l'état de la science ouverte."
"C'est excitant de penser qu'il pourrait y avoir des indices des conditions habitables passées sur Mars que ces enquêtes peuvent aider à interpréter", a déclaré Kal K. Sahota, PDG de HeroX. "Ces défis sont si inspirants alors que nous recherchons des preuves de la vie extraterrestre."
Le défi : Les méthodes doivent détecter la présence de certaines familles de composés chimiques dans les données recueillies lors de la réalisation d'EGA-MS sur un ensemble d'échantillons de matériaux géologiques.
Le prix : Une bourse de 30 XNUMX $ sera partagée entre quatre équipes.
Admissibilité à concourir et à gagner des prix : Le prix est ouvert à toute personne âgée de 18 ans ou plus participant en tant qu'individu ou en équipe. Les concurrents individuels et les équipes peuvent provenir de n'importe quel pays, tant que les sanctions fédérales américaines n'interdisent pas la participation (certaines restrictions s'appliquent). Des conditions d'éligibilité ou des limites supplémentaires peuvent être trouvées dans les règles du défi.
QUE RETENIR DE CET ARTICLE :
- 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.
