科學家用人工智慧預測其它星球存在生命的可能性

根據普利茅斯大學一個團隊的最新研究，人工智慧的發展可以幫助科學家預測其他行星上生命的可能性。該研究使用人工神經網路(ANNs)將行星分為五類，估計每種情況下的生命概率，這可以用於未來的星際探索任務。這項工作於4月4日由克里斯托弗·畢肖普先生在利物浦舉行的歐洲天文與空間科學周(EWASS)上發表。人工神經網路是試圖複製人腦學習方式的系統。它們是機器學習中使用的主要工具之一，尤其擅長識別複雜的模式，而這些模式對於生物大腦來說是非常複雜的。

這張合成圖像顯示了土星衛星泰坦的紅外圖像，取自美國宇航局的卡西尼號宇宙飛船。一些措施表明，泰坦擁有除地球以外的任何世界的最高可居性評級，其基礎是能源的可用性，以及各種表面和大氣特徵。圖片版權：NASA / JPL / University of Arizona / University of Idaho

該團隊位於普利茅斯大學的機器人和神經系統中心，他們已經「」訓練「」了這個網路，根據是否最像現在的地球、早期的地球、火星、金星或土星的衛星泰坦，將行星分成五種不同的類型。這五個都是已知有大氣層的岩態天體，是太陽系中最適合居住的星球之一。畢肖普先生評論道：我們現在對這些ANNs感興趣，因為他們對一個假想智能的星際飛船進行了探索，這是一種對太陽系外行星系統的掃描。

研究大面積、可部署、平面菲涅爾天線的使用，以便從遠距離的星際探測器傳回地球數據，如果該技術將來用於機器人航天器，這將是必要的。大氣觀測——被稱為光譜的五種太陽系天體，被作為輸入到網路，然後被要求根據行星類型對它們進行分類。由於目前已知的生命只存在於地球上，所以分類使用了「生命概率」度規，這是基於對五種目標類型的相對較好的大氣和軌道性質。畢肖普通過上百個不同的譜線對網路進行了訓練，每個譜線都有幾百個參數，這些參數都有助於適應居住環境。

這些輸入代表了來自測試行星大氣光譜的數值。輸出層包含一個「生命的概率」，它是基於輸入與五個太陽系統目標相似度的測量。輸入通過網路中一系列隱藏的層，這些層是相互連接的，使網路能夠「學習」哪些譜線的模式對應於特定的行星類型。圖片版權：Bishop / Plymouth University

到目前為止，該網路在呈現之前從未見過的測試光譜剖面時表現良好。該項目的主管安傑洛·安傑洛西博士說：考慮到目前的結果，這一方法可能會被證明對分類不同類型的系外行星非常有用，它們使用來自地面和近地觀測站的結果。這一技術可能也適合於為未來的觀測選擇目標，考慮到即將到來的太空任務，如ESA的Ariel space任務和NASA的詹姆斯·韋伯太空望遠鏡光譜細節的增加。

博科園-科學科普｜參考期刊：皇家天文學會

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！