Analyze Mass Spectrometry data with Artificial Intelligence to assist the understanding of past habitability of Mars and provide insights for future missions

要約

この論文は、古代火星の居住可能性の可能性を検出するための質量分析データに対する人工知能の応用を紹介します。
データは火星について収集されましたが、同じアプローチは太陽系のあらゆる地球物体にも再現できます。
さらに、提案された方法論は、質量分析を使用するあらゆる分野に適用できます。
この研究は、地質物質サンプル中の特定の化合物を同定するために使用される、発生ガス分析 (EGA-MS) とガスクロマトグラフィー (GC-MS) という 2 つの質量分析技術のデータ分析に焦点を当てています。
この研究は、EGA-MS および GC-MS データの地球外物質分析への適用可能性を実証しています。
提案された方法論の最も重要な機能には、質量分析値の平方根変換、生データの 2D スプレクトログラムへの変換、および比較的小さなデータセットでの過剰適合を回避するための特定の機械学習モデルと技術の利用が含まれます。
EGA-MS データセットと GC-MS データセットは両方とも、NASA と、著者が参加して活用した 2 つの機械学習コンペティションから取得したものです。
GC-MS データセット/コンペティションの完全な実行コードは、GitHub で入手できます。1 生のトレーニング質量分析データには、貴重な洞察を提供し、潜在的な過去の居住可能性の理解に貢献するために選択された、特定の化合物の [0, 1] ラベルが含まれています。
火星。

要約(オリジナル)

This paper presents an application of artificial intelligence on mass spectrometry data for detecting habitability potential of ancient Mars. Although data was collected for planet Mars the same approach can be replicated for any terrestrial object of our solar system. Furthermore, proposed methodology can be adapted to any domain that uses mass spectrometry. This research is focused in data analysis of two mass spectrometry techniques, evolved gas analysis (EGA-MS) and gas chromatography (GC-MS), which are used to identify specific chemical compounds in geological material samples. The study demonstrates the applicability of EGA-MS and GC-MS data to extra-terrestrial material analysis. Most important features of proposed methodology includes square root transformation of mass spectrometry values, conversion of raw data to 2D sprectrograms and utilization of specific machine learning models and techniques to avoid overfitting on relative small datasets. Both EGA-MS and GC-MS datasets come from NASA and two machine learning competitions that the author participated and exploited. Complete running code for the GC-MS dataset/competition is available at GitHub.1 Raw training mass spectrometry data include [0, 1] labels of specific chemical compounds, selected to provide valuable insights and contribute to our understanding of the potential past habitability of Mars.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google