人工智能有助于预测其他世界的生命可能性

根据普利茅斯大学团队的新工作，人工智能的发展可以帮助我们预测其他星球上的生命概率。该研究使用人工神经网络(ANN)将行星分为五类，估计每种情况下的生命概率，可用于未来的星际探测任务。这项工作由克里斯托弗·毕晓普先生于4月4日在利物浦举行的欧洲天文和空间科学周(EWASS)上发表。

人工神经网络是试图复制人类大脑学习方式的系统。它们是机器学习中使用的主要工具之一，尤其擅长识别对于生物大脑来说过于复杂的模式。

该团队位于普利茅斯大学机器人和神经系统中心，他们根据它们是否最像现今地球，早期地球，火星，金星或土星，训练他们的网络将行星分为五种不同类型。月亮泰坦。所有这五个物体都是已知具有大气的岩石体，是我们太阳系中最具潜在可居住物的物体之一。

毕晓普先生评论说："我们目前对这些人工神经网络感兴趣，因为它们可以优先探索一个假想的，智能的星际宇宙飞船，扫描范围内的系外行星系统。"

他补充道，"我们还在考虑使用大面积，可展开的平面菲涅耳天线，以便从远距离的星际探测器将数据传回地球。如果将来该技术用于机器人航天器，则需要这样做。 "。

五个太阳系天体的大气观测(称为光谱)被呈现为网络的输入，然后要求根据行星类型对它们进行分类。由于目前只知道地球上存在生命，因此该分类使用"生命概率"度量，该度量基于五种目标类型的相对容易理解的大气和轨道属性。

Bishop已经为网络培训了100多种不同的光谱图，每种图谱都有数百个参数，有助于适应性。到目前为止，当提供以前没有见过的测试光谱分布时，网络表现良好。

"鉴于迄今为止的结果，该方法可能对使用地面和近地观测站的结果对不同类型的系外行星进行分类非常有用"，该项目的主管Angelo Cangelosi博士说。

鉴于ESA的Ariel太空任务和NASA的詹姆斯韦伯太空望远镜等即将到来的太空任务所预期的频谱细节的增加，该技术也可能非常适合选择未来观测目标。