За последние годы человечество отправило в космос два телескопа нового поколения и к концу десятилетия запустит еще несколько. Все они, кроме других задач, будут искать и изучать экзопланеты, в том числе и проверять возможные признаки жизни. Авторы нового исследования подали идею о том, как повысить эффективность поиска.
Источник: Universe Today
Ученые научили искусственный интеллект искать разумную жизнь в космосе
Идея заключается в использовании машинного обучения (искусственного интеллекта) для выявления аномалий в биологических и химических сигнатурах. С их помощью мы даже можем найти во Вселенной следы жизни, возникшей на основе совершенно других принципов, чем на Земле.
Первая подтвержденная экзопланета была открыта в 1992 году, а к тому времени у астрономов не было доказательств, что у других звезд тоже есть планеты. До запуска космического телескопа "Кеплер" в 2009 году открывали всего одну-три экзопланета в год. Но с появлением обсерваторий следующего поколения ситуация резко изменилась.
На сегодняшний день подтверждено 5496 экзопланет в 4096 системах, еще 9820 кандидатов ожидают подтверждения. Кроме того, астрономы все больше занимались определением параметров небесных тел, а новые инструменты и методы позволили им оценивать потенциал населенности далеких планет путем целенаправленного поиска биосигнатур: признаков жизни и органических процессов.
Поскольку единственная известная нам планета с жизнью — Земля, ученые ищут, прежде всего, те же сигнатуры, которые встречаются здесь: азот, кислород, углерод, метан, аммиак, воду. Искать другие возможные признаки жизни намного сложнее, но весьма перспективно — это позволило бы существенно расширить сферу поисков.
Ученые из Университета Флориды исследовали возможности машинного обучения в поиске аномалий в спектроскопии экзопланет, проходящих перед диском звезды. Этот метод позволяет получить данные о химическом составе атмосферы. А анализ этих данных с помощью машинного обучения может привести к революции в астрофизике, уверены авторы статьи.
Они проверили свою догадку на практике. В качестве эксперимента они обозначили одно из химических соединений аномальным и научили алгоритм корректно выявлять планеты с водой в атмосфере как аномальные. Затем повторили опыт с газами. Они применяли два разных метода машинного обучения, и оба дали отличный результат, даже при наличии шумов. Это означает, что таким образом можно быстро и надежно обнаруживать из тысяч экзопланет содержащие аномалии в атмосфере.
Астробиологическое сообщество долгое время работало над определением "жизни", но у нас нет ни малейшего представления о том, какой действительно выглядят инопланетяне и как они взаимодействуют со своей средой. Наше восприятие искажается нашим человеческим опытом, и современные стратегии велят искать жизнь в "зонах обитаемости", которые по определению ориентируются на человека (или Землю). Как же искать то, что неизвестно как выглядит? В этом помогут новые методы обнаружения с помощью машинного обучения - они могут обозначать данные, которые не совпадают с данными обучения, то есть не согласуются с современными теоретическими моделями, говорят исследователи.
Результаты дают представление о том, что может оказаться возможным в ближайшем будущем, когда буквально тысячи экзопланет можно будет быстро и систематически анализировать с помощью ИИ для выявления аномальных планет и последующих их исследований. Эти исследования, вероятно, будут очень познавательными, учитывая, что несоответствия между теоретическими моделями и наблюдениями часто становятся причиной интересных открытий.
Читайте также:
Нейросеть создала изображение после того, как прочла мысли людей
Турецкий БПЛА Akinci с украинским двигателем впервые поразил цель на расстоянии 140 км — видео
Украинский Bayraktar TB-2 выдержал атаку российского истребителя – видео