人工智能有助于預測其他世界的生命可能性

根據普利茅斯大學團隊的新工作，人工智能的發展可以幫助我們預測其他星球上的生命概率。該研究使用人工神經網絡(ANN)將行星分為五類，估計每種情況下的生命概率，可用于未來的星際探測任務。這項工作由克里斯托弗·畢曉普先生于4月4日在利物浦舉行的歐洲天文和空間科學周(EWASS)上發表。

人工神經網絡是試圖復制人類大腦學習方式的系統。它們是機器學習中使用的主要工具之一，尤其擅長識別對于生物大腦來說過于復雜的模式。

該團隊位于普利茅斯大學機器人和神經系統中心，他們根據它們是否最像現今地球，早期地球，火星，金星或土星，訓練他們的網絡將行星分為五種不同類型。月亮泰坦。所有這五個物體都是已知具有大氣的巖石體，是我們太陽系中最具潛在可居住物的物體之一。

畢曉普先生評論說：“我們目前對這些人工神經網絡感興趣，因為它們可以優先探索一個假想的，智能的星際宇宙飛船，掃描范圍內的系外行星系統。”

他補充道，“我們還在考慮使用大面積，可展開的平面菲涅耳天線，以便從遠距離的星際探測器將數據傳回地球。如果將來該技術用于機器人航天器，則需要這樣做。 “。

五個太陽系天體的大氣觀測(稱為光譜)被呈現為網絡的輸入，然后要求根據行星類型對它們進行分類。由于目前只知道地球上存在生命，因此該分類使用“生命概率”度量，該度量基于五種目標類型的相對容易理解的大氣和軌道屬性。

Bishop已經為網絡培訓了100多種不同的光譜圖，每種圖譜都有數百個參數，有助于適應性。到目前為止，當提供以前沒有見過的測試光譜分布時，網絡表現良好。

“鑒于迄今為止的結果，該方法可能對使用地面和近地觀測站的結果對不同類型的系外行星進行分類非常有用”，該項目的主管Angelo Cangelosi博士說。

鑒于ESA的Ariel太空任務和NASA的詹姆斯韋伯太空望遠鏡等即將到來的太空任務所預期的頻譜細節的增加，該技術也可能非常適合選擇未來觀測目標。