|
Ускорение поиска пригодных для жизни миров
|
|
|
|
Современная астрономия столкнулась бы с трудностями без искусственного интеллекта и машинного обучения (ML), которые стали незаменимыми инструментами. Только они способны управлять огромными объемами данных, которые генерируют современные телескопы, и работать с ними. ML может просматривать большие массивы данных в поисках определенных закономерностей, на поиск которых у людей ушло бы гораздо больше времени.
|
|
|
|
Поиск биосигналов на экзопланетах, похожих на Землю, является важной частью современной астрономии, и ML может сыграть в этом большую роль.
|
|
|
|
Поскольку экзопланеты находятся на таком большом расстоянии, астрономы уделяют пристальное внимание тем из них, которые позволяют проводить спектроскопию пропускания. Когда звездный свет проходит через атмосферу планеты, спектроскопия позволяет разделить свет на различные длины волн. Затем астрономы исследуют свет на наличие характерных признаков определенных молекул. Однако химические биосигналы в атмосферах экзопланет являются сложной задачей, поскольку естественные абиогенные процессы могут генерировать некоторые из тех же сигнатур.
|
|
|
|
Хотя этот метод является эффективным, он сталкивается с некоторыми трудностями. Звездная активность, такая как звездные пятна и вспышки, может искажать сигнал, а свет из атмосферы может быть очень слабым по сравнению со светом звезды. Если в атмосфере экзопланеты есть облака или дымка, это может затруднить обнаружение линий молекулярного поглощения в спектроскопических данных.
|
|
|
Рэлеевское рассеяние усложняет задачу, а также может быть множество различных интерпретаций одного и того же спектроскопического сигнала. Чем больше в сигнале этих типов "шума", тем хуже отношение сигнал/шум (SNR). Зашумленные данные — данные с низким SNR — представляют собой серьезную проблему.
|
|
|
|
Мы все еще открываем различные типы экзопланет и планетных атмосфер, и наши модели и методы анализа не являются полными. В сочетании с проблемой низкого SNR, эти два фактора представляют собой серьезное препятствие.
|
|
|
|
Но, согласно новому исследованию, машинное обучение может помочь. "Машинная классификация потенциальных биосигналов экзопланет земного типа с использованием спектров передачи с низким отношением сигнал/шум" - это статья, опубликованная на сервере препринтов arXiv и находящаяся на рассмотрении в ежемесячных уведомлениях Королевского астрономического общества. Ведущим автором является Дэвид С. Дуке-Кастаньо из группы вычислительной физики и астрофизики Университета Антиокии в Медельине, Колумбия.
|
|
|
|
JWST - наш самый мощный инструмент для спектроскопии пропускания, и он дает впечатляющие результаты. Но есть проблема: время наблюдения. Некоторые наблюдения требуют огромного количества времени. Для обнаружения таких объектов, как озон, может потребоваться непомерно большое количество переходов. Если бы у нас было неограниченное количество времени для наблюдений, это не имело бы такого большого значения.
|
|
|
|
Одно исследование показало, что в случае TRAPPIST-1e для получения статистически значимых результатов может потребоваться до 200 пролетов. Транзитный номер становится более приемлемым, если поиск ограничен метаном и водяным паром.
|
|
|
|
"Исследования показали, что, используя разумное количество транзитов, можно определить присутствие этих атмосферных частиц, которые обычно ассоциируются с глобальной биосферой", - пишут авторы. К сожалению, метан не является таким надежным биосигналом, как озон.
|
|
|
|
Учитывая время, необходимое для выявления некоторых из этих потенциальных биомаркеров, исследователи говорят, что, возможно, было бы лучше использовать JWST для проведения исследований отношения сигнал/шум (SNR). "Хотя это, возможно, и не позволит получить статистически значимые результаты, это, по крайней мере, позволит планировать будущие наблюдения интересных объектов с помощью существующих и будущих более мощных телескопов (например, ELT, LUVOIR, HabEx, Roman, ARIEL)", - пишут авторы, ссылаясь на названия телескопов, которые находятся в этапы строительства или планирования.
|
|
|
|
Исследователи разработали инструмент машинного обучения, который поможет решить эту проблему. Они говорят, что он может ускорить поиск пригодных для жизни миров, используя возможности искусственного интеллекта. "В этой работе мы разработали и протестировали общую методологию машинного обучения, предназначенную для классификации спектров пропускания с низким отношением сигнал/шум в соответствии с их потенциальной способностью содержать биосигналы", - пишут они.
|
|
|
|
Поскольку большая часть наших данных спектроскопии атмосферы экзопланет представляет собой шум, инструмент ML предназначен для их обработки, определения степени шума и классификации атмосфер, которые могут содержать метан, озон и/или воду, или которые достаточно интересны для последующих наблюдений.
|
|
|
|
Команда создала 1 миллион синтетических спектров атмосферы на основе хорошо известной планеты TRAPPIST-1e, а затем обучила на них свои ML-модели. TRAPPIST-1e по размерам похожа на Землю и представляет собой скалистую планету в обитаемой зоне своей звезды. "Система TRAPPIST-1 в последние годы привлекла значительное научное внимание, особенно в области планетологии и астробиологии, благодаря своим исключительным характеристикам", - говорится в документе.
|
|
|
|
Звезда TRAPPIST-1 известна тем, что в ней находится наибольшее количество скалистых планет из всех открытых нами систем. Для исследователей она является идеальным кандидатом для обучения и тестирования их моделей ML, поскольку астрономы могут получать благоприятные показания SNR за разумное время. Планета TRAPPIST-1e, вероятно, имеет плотную атмосферу, подобную Земной. Полученные модели оказались успешными и правильно определили спектры пропускания с подходящими уровнями SNR.
|
|
|
|
Исследователи также протестировали свои модели на реалистичных спектрах синтетической атмосферы современной Земли. Их система успешно идентифицировала синтетические атмосферы, которые содержали метан и/или озон в соотношениях, аналогичных таковым на Земле в протерозойский период. Во время протерозоя атмосфера претерпела фундаментальные изменения из-за Сильного насыщения кислородом (GOE).
|
|
|
|
ГЭЭ изменило все. Это позволило образоваться озоновому слою, создало условия для процветания сложной жизни и даже привело к созданию огромных месторождений железной руды, которые мы добываем сегодня. Если на других экзопланетах развилась фотосинтетическая жизнь, то их атмосфера должна быть похожа на земную в протерозойскую эпоху, так что это важный признак биологической жизни. (Недавнее открытие темного кислорода имеет серьезные последствия для нашего понимания кислорода как биомаркера в атмосферах экзопланет.)
|
|
|
|
В своей статье авторы описывают обнаружение кислорода или озона как "жемчужину" спектроскопии экзопланетных сигнатур. Но существуют также абиотические источники, и то, являются ли кислород или озон биотическими, может зависеть от того, что еще содержится в сигнатуре. "Чтобы отличить биотический O2 от абиотического, можно искать специфические спектральные отпечатки", - пишут они.
|
|
|
|
Чтобы оценить эффективность своей модели, им необходимо знать больше, чем то, какие атмосферы экзопланет идентифицированы правильно (True), а какие - ложно (False).
|
|
|
|
Результаты также должны быть классифицированы как истинно положительные (TP) или Истинно отрицательные (TN), которые связаны с точностью, или ложноположительные (FP) или Ложноотрицательные (FN), которые являются ошибками. Чтобы упорядочить свои данные, они создали систему классификации, которую называют матрицей путаницы.
|
|
|
|
"На диаграмме мы вводим категорию "интересные", чтобы выделить планеты, которые заслуживают дальнейших наблюдений или углубленного анализа", - поясняют авторы. "Мы должны еще раз напомнить, что является целью нашей работы: мы ставим своей целью не обнаружение биосигналов с помощью ML, а маркировку планет, которые представляют интерес или нет".
|
|
|
|
Одна из моделей успешно выявила вероятные биосигналы в спектрах Земли протерозойского периода после всего лишь одного прохождения. Основываясь на результатах своего тестирования, они объясняют, что JWST успешно обнаружил бы большинство "обитаемых планет земной группы, наблюдаемых с помощью призмы JWST/NIRSpec, вокруг M-карликов, расположенных на расстояниях, аналогичных или меньших, чем у TRAPPIST-1 e". Если, конечно, они существуют.
|
|
|
|
Эти результаты могут улучшить будущие усилия JWST. Исследователи пишут, что "машинные стратегии, подобные представленным здесь, могут значительно оптимизировать использование ресурсов JWST для поиска биосигналов".
|
|
|
|
Они могут упростить процесс и максимально увеличить шансы на то, что последующие наблюдения позволят обнаружить многообещающих кандидатов. Телескоп уже два года и семь месяцев выполняет запланированную на пять с половиной лет основную миссию. (Хотя в целом телескоп может проработать до 20 лет). Все, что может оптимизировать драгоценное время наблюдений с помощью космического телескопа, - это выигрыш.
|
|
|
|
В целом, в исследовании представлена модель машинного обучения, которая может сэкономить время и ресурсы. Она позволяет быстро анализировать спектры атмосферы потенциально обитаемых экзопланет. Хотя она не определяет, какие из них содержат биомаркеры, она может определить наилучших кандидатов для последующего наблюдения всего после 1-5 переходов, в зависимости от типа атмосферы. Для некоторых типов потребуется больше переходов, но модель все равно экономит время.
|
|
|
|
"Идентификация планеты как интересной только повысит эффективность использования ценных ресурсов, таких как JWST, для наблюдения за ней, что является важной целью в современной астрономии", - пишут они.
|
|
|
|
Источник
|
