Может ли ИИ помочь найти жизнь на Марсе или ледяных планетах?

Разве не проще было бы обнаружить жизнь на других планетах, если бы мы знали точные места для поиска? Однако возможности для сбора образцов или доступа к приборам дистанционного зондирования ограничены. Недавнее исследование, опубликованное в журнале Nature Astronomy под руководством старшего научного сотрудника Института SETI Ким Уоррен-Роудс, еще на один шаг приближает нас к поиску внеземной жизни. В ходе междисциплинарного исследования были составлены карты скудных форм жизни, скрытых в соляных куполах, камнях и кристаллах в Салар-де-Пахоналес, расположенном на границе чилийской пустыни Атакама и Альтиплано.

Уоррен-Роудс совместно с Майклом Филлипсом из Лаборатории прикладной физики Джона Хопкинса и Фредди Калайтзисом из Оксфордского университета обучили модель машинного обучения, которая могла распознавать закономерности и правила, связанные с распределением форм жизни. Эта модель была разработана для прогнозирования и выявления аналогичных распределений в необученных данных. Объединив статистическую экологию с ИИ/МЛ, ученые добились замечательного результата: способность находить и обнаруживать биосигнатуры в 87,5% случаев, по сравнению с 10% при случайном поиске. Это также позволило сократить область поиска на 97%.

Ниже представлены карты вероятности обнаружения биопризнаков на основе моделей CNN и данных статистической экологии. Цвета в a) указывают на вероятность обнаружения биосигнатуры. В б) видимое изображение геологической особенности гипсового купола (слева) с картами вероятности биосигнатур для различных микрообитаний (например, песок против алебастра) внутри него.

"Наша система позволяет нам объединить возможности статистической экологии и машинного обучения для обнаружения и прогнозирования закономерностей и правил, по которым природа выживает и распределяется в самых суровых ландшафтах на Земле", - сказал Родс. "Мы надеемся, что другие астробиологические команды адаптируют наш подход к картированию других пригодных для жизни сред и биосигнатур. С помощью этих моделей мы сможем разработать индивидуальные дорожные карты и алгоритмы для направления марсоходов в места с наибольшей вероятностью обитания прошлой или настоящей жизни - независимо от того, насколько она скрыта или редка".

В конечном счете, подобные алгоритмы и модели машинного обучения для многих различных типов пригодных для жизни сред и биосигнатур могут быть автоматизированы на борту планетарных роботов, чтобы эффективно направлять планировщиков миссий в районы любого масштаба с наибольшей вероятностью наличия жизни.

Родс и команда Института SETI NASA Astrobiology Institute (NAI) использовали Салар-де-Пахоналес в качестве аналога Марса. Пайоналес - это высокогорное (3 541 м), с высоким U/V, гипераридное, сухое соленое озеро, которое считается негостеприимным для многих форм жизни, но все еще пригодным для жизни.

В ходе полевых кампаний проекта NAI команда собрала более 7 765 снимков и 1 154 образца и протестировала приборы 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 Пайоналесе снимки, полученные с помощью беспилотников, соединили имитированные орбитальные данные (HiRISE) с отбором проб грунта и трехмерным топографическим картированием для выявления пространственных закономерностей. Результаты исследования подтверждают (статистически), что микробная жизнь в наземном аналоге Пайоналеса не распределена беспорядочно, а сосредоточена в разрозненных биологических очагах, тесно связанных с доступностью воды в масштабах от км до см.

Далее команда обучила сверточные нейронные сети (CNN) распознавать и предсказывать макромасштабные геологические особенности в Пайоналесе - некоторые из них, такие как узорчатый грунт или полигональные сети, также встречаются на Марсе - и микромасштабные субстраты (или "микросреды обитания"), наиболее вероятно содержащие биосигнатуры.

Как и команда Perseverance на Марсе, исследователи проверили, как эффективно интегрировать БПЛА/беспилотник с наземными роверами, бурами и приборами (например, VISIR на "MastCam-Z" и Raman на "SuperCam" на марсоходе Mars 2020 Perseverance).

Следующей целью группы исследователей в Пайоналесе является проверка способности CNN предсказывать местоположение и распределение древних окаменелостей строматолитов и микробиомов галитов с помощью тех же программ машинного обучения, чтобы узнать, применимы ли подобные правила и модели к другим подобным, но немного отличающимся природным системам. После этого будут изучены и нанесены на карту совершенно новые экосистемы, такие как горячие источники, почвы вечной мерзлоты и скалы в Сухих долинах. По мере накопления доказательств гипотезы о конвергенции средств выживания жизни в экстремальных условиях будут итеративно проверяться, а также будут составлены схемы вероятности биосигнатур для ключевых аналоговых экосистем и биомов Земли.

"Хотя высокая скорость обнаружения биосигнатур является главным результатом этого исследования, не менее важно то, что оно успешно интегрировало наборы данных с совершенно разным разрешением от орбиты до земли и, наконец, связало региональные орбитальные данные с микробной средой обитания", - сказала Натали А. Каброль, руководитель группы SETI Institute NAI. "Благодаря этому 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 крайне важны, но также и проведение полевых исследований микробной экологии, которые требуют длительных периодов (до недель) картирования in situ (и на месте) на небольших территориях, - стратегия, которая была крайне важна для характеристики местных экологических моделей, благоприятных для жизненных ниш".

Это исследование, проведенное командой NAI Института SETI, проложило путь для машинного обучения, чтобы помочь ученым в поиске биосигнатур во Вселенной. Их работа "Orbit-to-Ground Framework to Decode and Predict Biosignature Patterns in Terrestrial Analogues" является кульминацией пятилетнего проекта NAI, финансируемого НАСА, и совместных исследований в области астробиологии с участием более 50 членов команды из 17 институтов. Помимо Лаборатории прикладной физики Джона Хопкинса и Оксфордского университета, поддержку этому исследованию оказал Университет Католики Севера, Антофагаста, Чили.