За останні роки людство відправило в космос два телескопи нового покоління й до кінця десятиліття запустить ще кілька. Всі вони, окрім інших завдань, шукатимуть і вивчатимуть екзопланети, в тому числі й перевірятимуть можливі ознаки життя. Автори нового дослідження подали ідею щодо того, як підвищити ефективність пошуку.
Джерело: Universe Today
Вчені навчили штучний інтелект шукати розумне життя у космосі
Ідея полягає у використанні машинного навчання (штучного інтелекту) для виявлення аномалій у біологічних і хімічних сигнатурах. З їхньою допомогою ми навіть можемо знайти у Всесвіті сліди життя, що виникло на основі зовсім інших принципів, ніж на Землі.
Першу підтверджену екзопланету було відкрито в 1992 році, а до того часу в астрономів не було доказів, що біля інших зірок теж є планети. До запуску космічного телескопа "Кеплер" у 2009 році відкривали лише одну-три екзопланети на рік. Але з появою обсерваторій наступного покоління, ситуація різко змінилася.
На сьогодні підтверджено 5496 екзопланет у 4096 системах, ще 9820 кандидатів очікують підтвердження. Крім того, астрономи дедалі більше почали займатися визначенням параметрів небесних тіл, а нові інструменти та методи дали їм змогу оцінювати потенціал населеності далеких планет шляхом цілеспрямованого пошуку біосигнатур: ознак життя й органічних процесів.
Оскільки єдина відома нам планета з життям — Земля, вчені шукають насамперед ті самі сигнатури, що зустрічаються тут: азот, кисень, вуглець, метан, аміак, воду. Шукати інші можливі ознаки життя набагато складніше, але вельми перспективно — це дало б змогу істотно розширити сферу пошуків.
Учені з Університету Флориди досліджували можливості машинного навчання в пошуку аномалій у спектроскопії екзопланет, що проходять перед диском зорі. Цей метод дає змогу отримати дані про хімічний склад атмосфери. А аналіз цих даних за допомогою машинного навчання може призвести до революції в астрофізиці, впевнені автори статті.
Вони перевірили свій здогад на практиці. Як експеримент вони позначили одну з хімічних сполук аномальною і навчили алгоритм коректно виявляти планети з водою в атмосфері як аномальні. Потім повторили досвід із газами. Вони застосовували два різні методи машинного навчання, і обидва дали чудовий результат, навіть за наявності шумів. Це означає, що таким чином можна швидко і надійно виявляти з тисяч екзопланет ті, що містять аномалії в атмосфері.
Астробіологічне співтовариство тривалий час працювало над визначенням "життя", але в нас немає ні найменшого уявлення про те, який насправді вигляд мають інопланетяни і як вони взаємодіють зі своїм середовищем. Наше сприйняття спотворюється нашим людським досвідом, і сучасні стратегії велять шукати життя в "зонах населеності", які за визначенням орієнтуються на людину (або Землю). То як же шукати те, що невідомо як виглядає? У цьому допоможуть нові методи виявлення за допомогою машинного навчання — вони можуть позначати дані, які не збігаються з даними навчання, тобто не узгоджуються з сучасними теоретичними моделями, – кажуть дослідники.
Результати дають уявлення про те, що може стати можливим у найближчому майбутньому, коли буквально тисячі екзопланет можна буде швидко і систематично аналізувати за допомогою ШІ для виявлення аномальних планет і подальших їх досліджень. Ці дослідження, ймовірно, будуть дуже пізнавальними, враховуючи, що невідповідності між теоретичними моделями та спостереженнями часто стають причиною найцікавіших відкриттів.
Читайте також:
Нейромережа створила зображення після того, як прочитала думки людей
Турецький БПЛА Akinci з українським двигуном вперше уразив ціль на відстані 140 км — відео
Український Bayraktar TB-2 витримав атаку російського винищувача – відео
