X

Laadi alla uus Eesti Raadio äpp, kust leiad kõik ERRi raadiojaamad, suure muusikavaliku ja podcastid.

Искусственный интеллект учится искать жизнь на других планетах

Планета Марс
Планета Марс Автор: Фото: AP/Scanpix

Ученые обучают нейросеть искать следы жизни в недружелюбных средах. Такой подход может в разы облегчить исследование других планет.

Жизнь в других мирах было бы проще найти, если бы мы точно знали, где искать. На сегодняшний день у исследователей весьма ограниченные возможности для сбора образцов на Марсе или на других планетах. Также при поиске жизни за пределами Земли не хватает доступа к инструментам дистанционного зондирования. 

Междисциплинарное исследование, проведенное под руководством старшего научного сотрудника Института SETI Ким Уоррен-Роудс, было посвящено редкой жизни, скрытой в соляных куполах, скалах и кристаллах в Салар-де-Пахоналес на границе чилийской пустыни Атакама и Альтиплано. 

После этого ученые подготовили модель машинного обучения, чтобы она могла могла предсказывать и находить те же самые следы в других массивах данных. Так, комбинируя статистическую экологию с нейронной сетью, ученым удалось выявить биосигнатуры в 87,5% случаев (по сравнению с ≤10% при случайном поиске) и уменьшить площадь, необходимую для поиска на 97%.

"Наша модель позволяет сочетать возможности статистической экологии с машинным обучением, чтобы обнаруживать и предсказывать закономерности и правила, по которым природа выживает и распределяется в самых суровых ландшафтах на Земле, — говорит Роудс. — Мы надеемся, что другие группы астробиологов адаптируют наш подход к картированию других обитаемых сред и биосигнатур. С помощью этих моделей мы можем разрабатывать индивидуальные маршруты и алгоритмы, чтобы направлять планетоходы в места с наибольшей вероятностью существования жизни сейчас или в прошлом — независимо от того, насколько она скрыта или редка".

В конечном счете, аналогичные алгоритмы и модели машинного обучения для многих различных типов обитаемых сред и биосигнатур могут быть автоматизированы на борту планетарных роботов, чтобы эффективно подсказывать специалистам, занимающимся планированием миссий, регионы с наибольшей вероятностью наличия жизни.

Родс и команда Института астробиологии НАСА (NAI) Института SETI использовали Салар-де-Пахоналес в качестве аналога Марса. Пахоналес — это высокогорное (3541 м), сухое соленое дно озера, считающееся негостеприимным для многих форм жизни, но все же пригодным для жизни.

Во время полевых кампаний проекта NAI команда собрала более 7765 изображений и 1154 образца и протестировала инструменты для обнаружения фотосинтезирующих микробов, живущих в соляных куполах, скалах и кристаллах алебастра. Эти микробы выделяют пигменты, которые представляют собой одну из возможных биосигнатур на "Лестнице обнаружения жизни" НАСА.

Изображения с дронов позволили объединить смоделированные орбитальные данные (HiRISE) с наземными выборками и трехмерными топографическими картами для извлечения пространственных закономерностей. Результаты исследования подтверждают (статистически), что микробная жизнь на участке не распределена случайным образом, а сконцентрирована в неоднородных биологических горячих точках, тесно связанных с наличием воды.

После этого команда обучила сверточные нейронные сети (CNN) распознавать и прогнозировать макромасштабные геологические особенности в регионе (некоторые из которых, такие как структурированные наземные или полигональные сети, также обнаружены на Марсе) и микромасштабные субстраты, которые, скорее всего, содержат биосигнатуры.

Карты вероятностей биосигнатур на основе моделей CNN и данных статистической экологии. Автор: М. Филлипс, Ф. Калаитцис, К. Уоррен-Родс.

Как и команда Perseverance на Марсе, исследователи проверили, как эффективно интегрировать дрон с наземными марсоходами, бурами и инструментами (например, VISIR на "MastCam-Z" и Raman на "SuperCam" на марсоходе Perseverance).

Следующая цель исследования команды — проверить способность CNN предсказывать местоположение и распределение древних окаменелостей строматолита и микробиомов галита с помощью тех же программ машинного обучения. Так ученые узнают, применяются ли аналогичные правила и модели к другим подобным, но немного отличающимся природным системам. После этого будут исследованы и нанесены на карту совершенно новые экосистемы, такие как горячие источники, вечномерзлые почвы и скалы в Сухих долинах. По мере накопления новых доказательств, будут многократно проверяться гипотезы о конвергенции способов выживания жизни в экстремальных условиях и составляться схемы вероятности биосигнатур для ключевых аналоговых экосистем и биомов Земли.

Статья опубликована в журнале Nature Astronomy.

Редактор: Илья Дочар

Источник: Институт SETI

Hea lugeja, näeme et kasutate vanemat brauseri versiooni või vähelevinud brauserit.

Parema ja terviklikuma kasutajakogemuse tagamiseks soovitame alla laadida uusim versioon mõnest meie toetatud brauserist: