Decoding Space Rocks met AI: De Meteoriet Doorbraak

Kunstmatige intelligentie (AI) verandert de manier waarop we dingen doen, niet alleen op Aarde maar ook in de ruimte.

Door te worden gebruikt voor taken die variëren van autonome ruimtevaartnavigatie en gegevensanalyse tot het optimaliseren van het gebruik van middelen en het ondersteunen van wetenschappelijke ontdekkingen, maakt de technologie efficiëntere, autonome en inzichtelijke ruimtemissies mogelijk.

Bijvoorbeeld heeft NASA al jaren de kracht van AI verkend. Van autonome rovers op Mars tot AI-gebooste initiatieven om nieuwe exoplaneten te vinden, heeft het agentschap deze technologie gebruikt om zijn begrip van de ruimte te vergroten.

Onlangs liet het Amerikaanse federale agentschap zien hoe AI kan helpen om in een baan om de Aarde draaiende ruimtevaartuigen meer gerichte gegevens te verzamelen. AI stelde een satelliet voor het eerst in staat om zijn baan te voorspellen, afbeeldingen met AI te verwerken en te beoordelen, en te beslissen waar een instrument gericht moest worden, wat niet eens twee minuten of enige menselijke betrokkenheid nodig had.

“Het idee is om het ruimtevaartuig meer als een mens te laten handelen: in plaats van alleen maar gegevens te zien, denkt het na over wat de gegevens laten zien en hoe het moet reageren,” zei Steve Chien, een technisch fellow in AI bij het Jet Propulsion Laboratory (JPL) van NASA en hoofdonderzoeker voor het Dynamic Targeting-project.

Een paar jaar geleden lanceerde Elon Musks SpaceX ook een satelliet met AI om het ruimtevaartuig in staat te stellen deel te nemen aan diepe ruimtemissies.

Tussen deze ontwikkelingen door hebben wetenschappers de geheimen van de meteoriet ontrafeld met behulp van deze technologie. Dit specifieke materiaal daagt de regels van warmtestroom uit door zowel als een kristal als een glas te fungeren.

Met behulp van AI konden onderzoekers de mogelijkheid van het mineraal ontdekken om constante thermische geleidbaarheid te behouden, een belangrijke doorbraak die materiaalkunde kan revolutioneren door warmtebeheer in technologie en industrie te transformeren. Het kan ook helpen om de enorme koolstofemissies in de staalproductie te verminderen.

Hoe AI de geheimen van meteorieten ontsluit

Meteoriden zijn de lichtflitsen die je soms over de hemel ziet schieten.

Deze ruimterotsen kunnen zo klein zijn als stofdeeltjes of zo groot als kleine asteroiden. De meeste zijn fragmenten van grotere lichamen die zijn uit elkaar gevallen. Sommige komen van asteroiden, anderen van kometen en een paar komen zelfs van de Maan, Mars of andere planeten.

Deze worden meteoriden genoemd zolang ze nog in de ruimte zijn. Zodra ze de atmosfeer van de Aarde of een andere planeet binnendringen en de passage overleven, worden ze meteoren genoemd.

Wanneer ze de atmosfeer binnendringen, doen ze dat met hoge snelheid, en wanneer de druk de sterkte van het object overtreft, valt het uit elkaar, wat leidt tot verbranding en een heldere flits, vandaar de naam “vallende sterren”. Wanneer ze bijzonder helder zijn, worden ze “vuurbollen” genoemd.

Deze meteoren lijken misschien zeldzaam, maar volgens schattingen van NASA komen er ongeveer 48,5 ton van dit materiaal elke dag op Aarde terecht.

Als onderdeel van de ruimte kunnen deze stenen waardevolle inzichten bieden in de samenstelling, vorming en geschiedenis van asteroiden, planeten en ons zonnestelsel.

Een meteoriet bestaat uit verschillende materialen, waaronder steen, metaal of een combinatie van beide.

Deze meteorieten worden door wetenschappers in detail bestudeerd met behulp van verschillende technieken, zoals fotografische en telescopische observaties, radardetectie, microscopie, spectroscopie, magnetometrie en andere.

Onlangs wordt AI ook gebruikt om ruimtemeteorieten te begrijpen door hun detectie te automatiseren met behulp van dronebeelden, het classificeren van hun typen te verbeteren met machine learning, potentiële inslagplaatsen te identificeren en zelfs de samenstelling van materialen in meteorieten te onthullen.

Door grote datasets te analyseren en patronen te herkennen die mensen kunnen missen, verbetert AI de efficiëntie en nauwkeurigheid van meteorietonderzoek, wat op zijn beurt kritische inzichten biedt in de oorsprong van het leven.

Bijvoorbeeld vond onderzoek van vorig jaar bewijs van vloeibaar water op Mars 742 miljoen jaar geleden met behulp van een meteoriet.

Dus sloeg een asteroïde Mars elf miljoen jaar geleden en stuurde stukken van de rode planeet door de ruimte. Een van die stukken crashte op Aarde, waardoor we een meteoriet kregen die rechtstreeks naar Mars kan worden herleid.

Het werd de Lafayette-meteoriet genoemd en toen onderzoekers het onderzochten, vonden ze dat het op Mars in contact was gekomen met water. Onlangs bepaalde een internationale samenwerking van wetenschappers de leeftijd van de mineralen in de meteoriet die waren gevormd toen er vloeibaar water aanwezig was.

“We kunnen meteorieten identificeren door te kijken welke mineralen erin aanwezig zijn en de relaties tussen deze mineralen in de meteoriet.”

– Auteur Marissa Tremblay, assistent-professor bij de afdeling Aarde, Atmosfeer en Planetaire Wetenschappen (EAPS) van de Purdue University

Ze voegde eraan toe dat meteorieten de neiging hebben om dichter te zijn dan stenen op Aarde, magnetisch zijn en metaal bevatten. Het vinden van meteorieten is echter niet zo eenvoudig.

De kans om er een te vinden is eigenlijk heel klein. Daarom gebruiken onderzoekers AI samen met drones om de ontdekking te doen.

In 2022 herstelden onderzoekers van de Curtin University in Australië een meteoriet, een die een ellips tussen de banen van Jupiter en Venus volgde, in de afgelegen Australische outback met behulp van machine learning en twee drones.

De technologie stelt meteorietjagers in staat om herhalende taken uit te voeren zonder aandacht te verliezen. Feitelijk leren machines omgaan met valse positieven door herhaling.

“De heilige graal van meteorietjagen op dit moment is een drone die een geografisch gebied kan afschermen, naar de grond kan kijken en meteorieten kan vinden met AI.”

– Mike Hankey, The American Meteor Society

De School of Earth and Planetary Sciences van de universiteit, samen met de Paris Observatory, het International Centre for Radio Astronomy Research (ICRAR) en andere instellingen, werkte samen om het raadsel van koolstofrijke asteroiden op te lossen, die, hoewel ze in de ruimte veel voorkomen, minder dan 5% van de meteorieten uitmaken die de Aarde bereiken.

Deze studie, die het langdurige mysterie in de ruimtewetenschap heeft ontrafeld, werd dit jaar gepubliceerd. Daarvoor analyseerden wetenschappers bijna 8.500 meteoroid- en meteorietgebeurtenissen.

Wat de studie heeft ontdekt, is dat de Zon en de atmosfeer van de Aarde als reusachtige filters fungeren die koolstofhoudende meteoriden vernietigen voordat ze de grond bereiken. Dergelijke meteorieten zijn belangrijk omdat ze aminozuren, organische moleculen en water bevatten.

Terwijl het al bekend was dat koolstofrijk materiaal de atmosfeer niet overleeft, toonde het onderzoek aan dat veel meteoriden “niet eens zo ver komen”, omdat ze uit elkaar vallen als ze dicht bij de Zon komen.

“Degenen die het wel overleven om in de ruimte te worden gekookt, zijn meer waarschijnlijk om ook door de atmosfeer van de Aarde te komen.”

– Co-auteur Dr. Hadrien Devillepoix, Curtin’s Space Science and Technology Centre en Curtin Institute of Radio Astronomy (CIRA)

Bovendien bleek dat meteoriden die ontstaan door getijdenverstoren bijzonder broos zijn en bijna nooit de atmosfeer overleven. Volgens Dr. Patrick Shober van de Paris Observatory:

“Deze vondst kan toekomstige asteroïdemissies, inschattingen van inslaggevaar en zelfs theorieën over hoe de Aarde zijn water en organische verbindingen kreeg om het leven te laten beginnen, beïnvloeden.”

Ondertussen gebruikte een onderzoek van eerder dit jaar AI om te ontdekken dat “Marsquakes”, een van de belangrijkste krachten die het oppervlak van de planeet vormen, worden veroorzaakt door seismische activiteit van meteoride-inslagen.

Het team van onderzoekers van de Universiteit van Bern en Imperial College London gebruikte AI om nieuwe inslagen in tienduizenden orbitale beelden van gegevens tussen december 2018 en 2022 te identificeren en deze vervolgens te kruisen met seismische gegevens. Het hielp de onderzoekers 123 verse kraters te vinden om te kruisen, en daarvan waren 49 een potentieel match met aardbevingen.

De recent ontdekte gegevens toonden aan dat meteoride-inslagen op Mars ongeveer tweemaal zo vaak voorkomen als eerder werd geschat.

Dit, merkte professor Tom Pike van het Imperial-team op, laat “de kracht zien van diep kijken in meerdere datasets van Mars. Zonder de seismische gegevens zouden we niet hebben geweten waar we naar een inslag in de orbitale beelden moesten zoeken, en zonder de orbitale beelden zouden we de bron van de seismische energie niet hebben kunnen lokaliseren.”

AI heeft het spel voor onderzoekers veranderd door een inslag in één pixel van een lage-resolutie-orbitale camera te detecteren die wordt gebruikt voor dagelijkse weerscontrole. “De kracht en snelheid van AI hebben ons in staat gesteld om de speld in de hooiberg te vinden!” voegde hij eraan toe.

De machine-algoritme die hier een sleutelrol speelde, werd ontwikkeld bij JPL en kan grote hoeveelheden gegevens doorzoeken, zoals afbeeldingen.

AI bevestigt kristal-glas hybride

Nu heeft een recente studie⁴ van wetenschappers van Columbia Engineering AI gebruikt om een andere prachtige ontdekking te doen. Ze hebben de “hybride” thermische eigenschappen van een ruimtemineraal bevestigd, dat de typische warmtestroomregels niet volgt. De meteoriet fungeert zowel als een kristal als een glas.

Dit is een doorbraak omdat de warmtegeleidings eigenschappen van kristallen en glazen compleet tegenovergesteld zijn aan elkaar. De thermische conductiviteit varieert sterk in beide.

De warmtegeleidings eigenschappen van materialen variëren dramatisch afhankelijk van de atoomstructuur. Hier is hoe kristallijne, glasachtige en hybride materialen vergelijken:

Deze trends spelen een cruciale rol in een verscheidenheid aan technologieën, waaronder afvalwarmterecoverysystemen, miniaturisatie en efficiëntie van elektronische apparaten, en de levensduur van thermische schilden voor ruimtevaarttoepassingen.

Het optimaliseren van de prestaties en duurzaamheid van materialen die in deze toepassingen worden gebruikt, vereist een diep begrip van hoe hun atoomstructuur en chemische samenstelling de warmtegeleidingscapaciteit van het materiaal bepalen.

Michele Simoncelli, assistent-professor in toegepaste fysica en toegepaste wiskunde aan Columbia Engineering, nam de eerste principebenadering en combineerde deze met machine learning om het unieke materiaal met onderscheidende thermische eigenschappen te identificeren.

Machine learning-technieken stelden het team in staat om de computationele uitdagingen van eerste-principe-methoden te overwinnen en atomaire eigenschappen te simuleren die de warmteoverdracht beïnvloeden met kwantumniveau-nauwkeurigheid.

Het materiaal is het eerste van zijn soort, dat werd ontdekt in meteorieten en geïdentificeerd op Mars.

Het vaststellen van de fundamentele fysica achter dit speciale gedrag kan onze kennis helpen verbeteren en ons helpen materialen te ontwerpen die warmte beheren tijdens extreme temperatuurverschillen.

Nu is warmtegeleiding, dat wil zeggen warmteoverdracht door stationair materiaal door fysiek contact, afhankelijk van de atoomstructuur van een materiaal. Dus of een materiaal glasachtig is, met een ongeordende, niet-kristallijne structuur, of kristallijn, met een geregeld rooster van atomen, beïnvloedt hoe warmte op kwantumniveau stroomt.

Feitelijk neemt thermische geleiding toe in glazen met toenemende temperatuur en neemt af in kristallen bij verwarming.

Om dit tegenovergestelde thermische-geleidingspatroon in glazen en kristallen te vangen, leidde Simoncelli, in samenwerking met Francesco Mauri van de Sapienza Universiteit van Rome en Nicola Marzari van het Zwitserse Federaal Instituut voor Technologie, in 2019 een enkele vergelijking af.

Opvallend is dat de vergelijking het tussenliggende gedrag van gedeeltelijk ongeordende materialen beschrijft. Dit omvat materialen die worden gebruikt in thermische barrièrecoatings voor hitteschilden, perovskiet-zonnecellen en thermoelektrische materialen om afvalwarmte te herstellen.

Nu hebben ze, met behulp van dezelfde vergelijking, het verband onderzocht tussen de atoomstructuur en de thermische geleiding in materialen gemaakt van siliciumdioxide (SiO2).

Ook bekend als silica, is siliciumdioxide een natuurlijk voorkomend chemisch verbinding bestaande uit silicium en zuurstof, twee van de meest voorkomende elementen op Aarde. Het is een van de belangrijkste componenten van zand.

De onderzoekers voorspelden dat de “tridymiet”-vorm van siliciumdioxide tekenen van een kristal-glasmateriaal zou vertonen met een thermische geleiding die niet verandert met temperatuur.

Tridymiet is een kristallijne vorm van siliciumdioxide die voornamelijk voorkomt in vulkanische gesteenten en wordt gevormd onder hoge temperatuur en lage druk. Het wordt ook aangetroffen in meteorieten.

Het ongebruikelijke thermisch-transportgedrag van Tridymiet leidde een team van experimentele onderzoekers onder leiding van Daniele Fournier, Massimiliano Marangolo en Etienne Balan van de Sorbonne Universiteit in Parijs ertoe om proeven uit te voeren op een silica-tridymietmonster dat was verkregen uit een meteoriet die driehonderd jaar geleden in Duitsland was geland.

De experimenten bevestigden de voorspellingen van de onderzoekers met metingen.

Meteoritisch tridymiet is bevestigd om een atoomstructuur te hebben die tussen een geordend kristal en een ongeordend glas valt. Bovendien vonden ze dat de thermische geleiding constant bleef tussen 80 K en 380 K, het temperatuurbereik dat experimenteel toegankelijk is.

Bij verdere analyse voorspelden het team dat het materiaal kan ontstaan uit thermische veroudering in vuurvaste stenen, die als thermische barrière in smeltovens voor staalproductie fungeren.

Het veelzijdige, duurzame en multifunctionele staal is een van de belangrijkste materialen in de moderne samenleving, ondersteunend diverse industrieën en infrastructuur. Echter, staalproductie is een koolstofintensief proces, waarbij 1 kg staal ongeveer 1,3 kg CO2 uitstoot.

Met bijna 1 miljard ton staal dat elk jaar wordt geproduceerd, is het verantwoordelijk voor een aanzienlijke hoeveelheid CO2-uitstoot, zozeer dat het ongeveer 7% van de koolstofemissies in de VS veroorzaakt.

Zoals het onderzoek opmerkte, worden de efficiëntie en het milieueffect hiervan grotendeels bepaald door hoe warmte in smeltovens wordt beheerd, in het bijzonder via de thermische geleiding van vuurvaste materialen die extreme temperaturen kunnen weerstaan.

Dus kunnen materialen afgeleid van tridymiet een meer efficiënte controle van de intense hitte bij staalproductie mogelijk maken. Door de resultaten van het onderzoek te gebruiken, kan de geleiding van vuurvaste materialen worden verhoogd, waardoor de brandtijd van smeltovens wordt verlaagd en het koolstofvoetafdruk van de staalindustrie wordt verlaagd.

Bovendien verkent de groep van Simoncelli bij Columbia het gebruik van dezelfde mechanismen die de warmtestroom in hybride kristal-glasmaterialen bepalen om het gedrag van andere excitaties in vaste stoffen zoals spin-dragende magnonen en lading-dragende elektronen te begrijpen.

Deze concepten helpen bij opkomende en energie-efficiënte technologieën, waaronder spintronische apparaten, draagbare apparaten en neuromorfische computing.

Daarvoor werkt het onderzoeksteam aan het formuleren van eerste-principe-theorieën om experimenteel waarneembare grootheden te voorspellen, het ontwikkelen van AI-simulatietechnieken voor kwantitatief nauwkeurige voorspellingen van materiaaleigenschappen en het toepassen ervan om materialen te ontdekken en te ontwerpen om technische en industriële uitdagingen aan te pakken.

Investeren in AI-ruimteonderzoek

Wanneer het gaat om ruimteverkenning, Lockheed Martin Corporation (LMT ) springt in het oog als een belangrijke aannemer voor NASA en het ministerie van Defensie. Het bedrijf ontwerpt AI-gebaseerde satelliet-systemen en planetenverkenningsapparatuur om missies zoals Mars-verkenning te ondersteunen.

Het wereldwijde lucht- en ruimtevaart- en defensiebedrijf heeft een marktkapitalisatie van $101,23 miljard, met aandelen die momenteel worden verhandeld tegen $433,60, een daling van 11% sinds het begin van het jaar. Het heeft een EPS (TTM) van 23,15 en een P/E (TTM) van 18,73. Lockheed betaalt een dividendrendement van 3,04%.

Lockheed Martin Corporation (LMT )

Net deze week kondigde het bedrijf zijn nieuwe, krachtigere en beter beveiligde missielwaarschuwingsatelliet aan. Tijdens de tests bewees de Next-Gen OPIR GEO-satelliet zijn vermogen om te functioneren en de harde temperaturen en hevige trillingen te weerstaan.

Voor het tweede kwartaal van 2025 rapporteerde het een omzet van $18,2 miljard, een stijging ten opzichte van $18,1 miljard in hetzelfde kwartaal van het voorgaande jaar. De netto-winst van het bedrijf voor het kwartaal was $342 miljoen, of $1,46 per aandeel. Het bedrijf rapporteerde ook $1,6 miljard aan programmaprestaties en $169 miljoen aan andere lasten. Dit, volgens Reuters, was vanwege “moeilijkheden met een geheim project in de afdeling Aeronautics en internationale helikopterprogramma’s in de afdeling Sikorsky”.

Tijdens deze periode was de kasstroom uit bedrijfsactiviteiten $201 miljoen, een enorme daling ten opzichte van $1,9 miljard in 2Q24. Ondertussen was de vrije kasstroom $(150) miljoen, vergeleken met $1,5 miljard in hetzelfde kwartaal van het voorgaande jaar. Lockheed keerde ook $1,3 miljard uit aan aandeelhouders via dividenden en aandeleninkoop.

De CEO van het bedrijf, Jim Taiclet, merkte op dat Amerikaanse en geallieerde klanten “ons vragen om veel sleutelprogramma’s te verhogen en te versnellen”, waaronder de Amerikaanse ruimtemacht die extra GPS IIIF-satellieten bestelde. Hij voegde eraan toe:

“Tegelijkertijd heeft ons lopende programmabeoordelingsproces nieuwe ontwikkelingen geïdentificeerd die ons ertoe brachten de financiële positie van een reeks grote legacy-programma’s opnieuw te beoordelen. Als gevolg daarvan nemen we dit kwartaal een aantal lasten om deze nieuw geïdentificeerde risico’s aan te pakken.”

Laatste Lockheed Martin Corporation (LMT) aandelen nieuws en ontwikkelingen

Conclusie

De magie van AI reikt verder dan de grenzen van de Aarde tot de diepten van de ruimte, waarbij het ons helpt om verborgen patronen in ruimterotsen te ontdekken, van Marsbevingen tot exotisch thermisch gedrag. Met deze ontdekkingen versnelt AI ontdekkingen die onze kennis van het universum zullen transformeren evenals de toekomst van materialen.

Klik hier om alles te leren over investeren in kunstmatige intelligentie.

Referenties:

1. Tremblay, M.M., Mark, D.F., Barfod, D.N., Cohen, B.E., Ickert, R.B., Lee, M.R., Tomkinson, T., & Smith, C.L. Dating recent aqueous activity on Mars. Geochemical Perspectives Letters, 32, gepubliceerd 6 november 2024. https://doi.org/10.7185/geochemlet.2443
2. Shober, P.M., Devillepoix, H.A.R., Vaubaillon, J., et al. Perihelion history and atmospheric survival as primary drivers of the Earth’s meteorite record. Nature Astronomy, 9, 799–812 (juni 2025). https://doi.org/10.1038/s41550-025-02526-6
3. Charalambous, C., Pike, W.T., Fernando, B., Wójcicka, N., Kim, D., Froment, M., Lognonné, P., Woodley, S., Ojha, L., Bickel, V.T., McNeil, J., Collins, G.S., Daubar, I.J., Horleston, A., & Banerdt, B. New impacts on Mars: Unraveling seismic propagation paths through a Cerberus Fossae impact detection. Geophysical Research Letters, eerst gepubliceerd 3 februari 2025. https://doi.org/10.1029/2024GL110159
4. Simoncelli, M., Fournier, D., Marangolo, M., Balan, E., Béneut, K., Baptiste, B., Doisneau, B., Marzari, N., & Mauri, F. Temperature-invariant crystal–glass heat conduction: From meteorites to refractories. Proceedings of the National Academy of Sciences, 122(28), e2422763122 (11 juli 2025). https://doi.org/10.1073/pnas.2422763122