Ученые представили структуру глубокого обучения для оптимизации поиска инопланетян на Марсе и других мирах.
Ученые предложили новый способ оптимизировать поиск инопланетян на Марсе, научив искусственный интеллект точно определять участки, которые с наибольшей вероятностью содержат «биосигнатуры» или признаки жизни, сообщается в новом исследовании.
Новая структура глубокого обучения была обучена находить биосигнатуры в суровых чилийских условиях, подверженных воздействию высоких уровней радиации и чрезвычайно низких температур, что создает условия, максимально приближенные к марсианским, насколько это возможно на Земле. Инструмент ИИ смог повысить вероятность обнаружения биосигнатур в этой экстремальной среде до 87,5%, что делает его примерно в девять раз более эффективным, чем случайный поиск признаков жизни.
Около четырех миллиардов лет назад Марс был теплее, влажнее и потенциально пригоден для жизни. Орбитальные аппараты и марсоходы открыли многие регионы планеты, созданные водой, ключевым компонентом жизни, какой мы ее знаем, и открыли обнадеживающие признаки того, что когда-то могло быть местом обитания марсианских микробов. Например, марсоход НАСА Perseverance в настоящее время исследует кратер Джезеро, дно древнего марсианского озера, которое некогда было заполнено водой.
Хотя у нас есть приблизительное представление о том, где искать остатки микробной жизни на Марсе, сузить поиск до масштабов крошечных мест обитания — гораздо более сложная задача. Чтобы решить эту проблему, ученые под руководством Кимберли Уоррен-Роудс, астробиолога из некоммерческого института SETI, разработали «адаптируемую структуру, которая сочетает статистическую экологию с глубоким обучением для распознавания и прогнозирования паттернов биосигнатур», согласно опубликованному в Nature Astronomy исследованию.
«В поисках биосигнатур на Марсе имеется множество данных с орбитальных аппаратов и марсоходов, чтобы охарактеризовать глобальную и региональную обитаемость, но гораздо меньше информации доступно в масштабах и разрешениях микробных мест обитания и биосигнатур», — Уоррен-Роудс и ее коллеги. говорится в исследовании. «Понимание того, характеризуется ли распределение земных биосигнатур узнаваемыми и предсказуемыми закономерностями, может дать ориентиры для оптимизации усилий по поиску жизни на других планетах земного типа».
«В экстремальных условиях распределение биосигнатур жестко контролируется сложной взаимозависимостью геологических, физико-химических и биологических взаимодействий», — добавляют ученые, отмечая, что доступ к воде является особенно важным фактором в этих расчетах. «На сегодняшний день в нескольких исследованиях систематически изучались такие связи в интегрированных пространственных масштабах или применялось машинное обучение для проверки прогностической способности и вероятности обнаружения жизни в экстремальных условиях обитаемости».
С помощью своей новой статьи ученые стремились заполнить этот пробел в исследовании, обучив систему глубокого обучения предсказывать наличие биосигнатур в чилийском Салар-де-Пахоналес, горном озере, расположенном на высоте 3500 метров над уровнем моря на краю пустыни Атакама.
Хотя на Земле нет таких экстремальных условий, как на современном Марсе, Салар-де-Пахоналес «демонстрирует черты как физических, так и биологических процессов, очень важных для поиска биосигнатур на Марсе», таких как «фрактальные сети хребтов, узорчатая поверхность земли и рельефы усадочных трещин абиотического и/или биотического происхождения», — говорится в исследовании.
Уоррен-Роудс и ее коллеги использовали воздушные и наземные наблюдения, чтобы составить карту распределения выносливых фотосинтезирующих микроорганизмов, живущих в этой сложной среде обитания. Затем команда обучила нейронные сети прогнозировать вероятность биосигнатур, используя ряд геологических параметров, таких как соленость, тип породы и доступ к свету.
Согласно исследованию, подход глубокого обучения смог предсказать вероятность обнаружения биосигнатур на впечатляющем уровне от 56,9 до 87,5%, что сделало его «мощным инструментом для ускорения поиска и обнаружения биосигнатур в наземных аналогах». Исследователи обнаружили, что биосигнатуры были более всего сгруппированы в алебастре и вокруг него. Алебастр – тип породы, которая удерживает воду в течение длительного времени. Это открытие может помочь геологическим исследованиям на других планетах.
Ученые назвали это исследование «проверкой концепции», которая предлагает новый путь в поисках инопланетной жизни на Марсе и в других мирах, хотя и отметили, что для дальнейшей оптимизации инструмента нужно внести множество улучшений. Например, команда исследователей предполагает разработку «библиотеки» данных о распределении биосигнатур на Земле, которую можно было бы применить к внеземным средам всех видов.
«Такая библиотека могла бы помочь будущим ученым миссии на Марс в выборе фаций, минеральных комплексов и структур с наибольшей вероятностью содержания биосигнатур», — заключают представители команды исследователей. «В конечном счете, мы надеемся, что этот подход облегчит составление банка данных алгоритмов вероятности биосигнатуры и обитаемости, дорожных карт и моделей и послужит руководством для исследования Марса. Эта структура может также иметь применение к другим астробиологическим объектам, таким как поверхность Титана, шлейфы Энцелада или ледяной покров Европы».
