Может ли ИИ помочь найти жизнь на Марсе и в ледяных мирах
Разве не было бы проще найти жизнь в других мирах, если бы мы точно знали, где искать? Исследователи имеют ограниченные возможности для сбора образцов на Марсе или в других местах или доступа к инструментам дистанционного зондирования при поиске жизни за пределами Земли. В статье, опубликованной в журнале Nature Astronomy, междисциплинарное исследование, проведенное под руководством старшего научного сотрудника Института SETI Ким Уоррен-Роудс, нанесло на карту редкую жизнь, скрытую в соляных куполах, скалах и кристаллах в Салар-де-Пахоналес на границе чилийской пустыни Атакама и Альтиплано. Затем они обучили модель машинного обучения распознавать шаблоны и правила, связанные с их распределениями, чтобы она могла научиться предсказывать и находить те же самые распределения в данных, на которых она не обучалась. В этом случае, комбинируя статистическую экологию с AI/ML, ученые могли находить и обнаруживать биосигнатуры до 87,5% времени (по сравнению с <10% при случайном поиске) и уменьшать площадь, необходимую для поиска, до 97%.
«Наша структура позволяет нам объединить возможности статистической экологии с машинным обучением, чтобы обнаруживать и предсказывать закономерности и правила, по которым природа выживает и распределяет себя в самых суровых ландшафтах на Земле», — сказал Родс. «Мы надеемся, что другие группы астробиологов адаптируют наш подход к картографированию других пригодных для жизни сред и биосигнатур. С помощью этих моделей мы можем разрабатывать индивидуальные дорожные карты и алгоритмы, чтобы направлять марсоходы в места с наибольшей вероятностью наличия прошлой или настоящей жизни — независимо от того, насколько они скрыты. или редкий». 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 направлять планировщиков миссий в области любого масштаба с наибольшей вероятностью содержания жизни.
Родс и команда Института астробиологии НАСА (NAI) Института SETI использовали Salar de Pajonales в качестве аналога Марса. Паджоналес — это высокогорное (3541 м), высокое U/V, сверхзасушливое, 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. В Пахоналесе изображения с дрона соединили смоделированные орбитальные данные (HiRISE) с наземными выборками и трехмерным топографическим картографированием для извлечения пространственных закономерностей. Результаты исследования подтверждают (статистически), что микробная жизнь на участке наземного аналога Паджоналес не распределена случайным образом, а сконцентрирована в неоднородных биологических горячих точках, тесно связанных с доступностью воды в масштабах от километров до сантиметров.
Затем команда обучила сверточные нейронные сети (CNN) распознавать и прогнозировать макромасштабные геологические особенности в Паджоналесе — некоторые из которых, такие как структурированные наземные или полигональные сети, также обнаружены на Марсе — и микромасштабные субстраты (или «микро-масштабы»). места обитания»), скорее всего, содержат биосигнатуры. Как и команда Perseverance на Марсе, исследователи проверили, как эффективно интегрировать БПЛА / дрон с наземными марсоходами, дрелью и инструментами (например, VISIR на «MastCam-Z» и Raman на «SuperCam» на марсоходе Perseverance Mars 2020). . Следующая исследовательская цель команды в Паджоналесе — проверить способность CNN предсказывать местоположение и распределение древних окаменелостей строматолита и микробиомов галита с помощью тех же программ машинного обучения, чтобы узнать, применяются ли аналогичные правила и модели к другим подобным, но немного отличным природным системам.
Оттуда будут исследованы и нанесены на карту совершенно новые экосистемы, такие как горячие источники, вечномерзлые почвы и скалы в Сухих долинах. По мере накопления новых данных гипотезы о конвергенции способов выживания жизни в экстремальных условиях будут многократно проверяться, а схемы вероятности биосигнатур для ключевых аналоговых экосистем и биомов Земли будут инвентаризированы. «Хотя высокая скорость обнаружения биосигнатур является центральным результатом этого исследования, не менее важным является то, что оно успешно интегрировало наборы данных с совершенно разным разрешением от орбиты до земли и, наконец, связало региональные орбитальные данные с местами обитания микробов», — сказала Натали А. Кэброл, PI команды Института SETI NAI.
«С его помощью наша команда продемонстрировала путь, который позволяет перейти от масштабов и разрешений, необходимых для характеристики обитаемости, к тем, которые могут помочь нам найти жизнь. В этой стратегии беспилотники были необходимы, но не менее важным было проведение полевых исследований микробной экологии, которые требуют длительных периодов (до недель) картографирования на месте (и на месте) на небольших территориях, стратегия, которая имела решающее значение для характеристики местных экологических моделей, благоприятных для жизненных ниш».