Araştırmacılar, yaşam aramak için en ilgi çekici yerlerin ‘anormalliklere’ benzeyeceğini öne sürüyor

Geçtiğimiz iki buçuk yılda uzaya iki yeni nesil teleskop gönderildi: NASA’nın James Webb Uzay Teleskobu (JWST) ve ESA’nın Euclid Gözlemevi. On yıl sona ermeden önce, NASA’nın Nancy Grace Roma Uzay Teleskobu (RST), Evrenin Tarihi Spektro-Fotometresi, Yeniden İyonlaşma Çağı ve Buz Kaşifi (SPHEREx) ve ESA’nın PLAnetary Geçişleri ve Salınımları da onlara katılacak. yıldızlar (PLATO) ve ARIEL teleskopları.

Bu gözlemevleri, yaşanabilir gezegenler bulma nihai hedefiyle ötegezegenlerin araştırılmasına ve karakterizasyonuna yardımcı olmak için gelişmiş optik ve araçlara güvenecek.

Halen faaliyette olan görevlerin yanı sıra, bu gözlemevleri büyük miktarda yüksek çözünürlüklü spektroskopik veri toplayacak.

Bu verileri ayıklamak, yaşamın ve biyolojik süreçlerin (diğer adıyla biyoimzalar) belirtilerini aramak için en son makine öğrenimi tekniklerini gerektirecektir.

Yakın tarihli bir makalede, Florida Üniversitesi Temel Teori Enstitüsü’nden (UF-IFL) bir bilim insanı ekibi, gelecekteki araştırmaların, olağandışı kimyasal imzaları ve bilinmeyen biyolojik imzaları ortaya çıkarabilecek spektrumdaki anormallikleri aramak için makine öğrenimini kullanmasını önerdi.

Çalışma, aralarında Doçent Katia Matcheva, fizik yüksek lisans öğrencisi Roy T. Forestano, Profesör Konstantin T. Matchev ve Ph.D.’nin de bulunduğu fizikçiler ve makine öğrenimi uzmanlarından oluşan bir karışım tarafından yürütüldü. öğrencisi Eyüp B. Ünlü.

“Anomali Tespiti için Makine Öğrenimini Kullanarak Gezegen Dışı Atmosferlerde Yeni Kimya Aramak” başlıklı makalelerinin ön baskısı, ön baskı sunucusunda çevrimiçi olarak yayınlandı. arXiv ve yayınlanmak üzere inceleniyor Astrofizik Dergisi. Açıkladıkları gibi, makalelerinin temel önermesi, “yaşamı” neyin oluşturduğunun bilim adamları için açık bir soru olarak kaldığı ve araştırmamızın kapsamını genişletmenin avantajlı olacağıdır.

Öncelikle dış gezegenlerle ilgili araştırmaların son yıllarda ne kadar ilerlediğini kabul etmek önemli. Onaylanan ilk tespit, Dünya’dan 2.300 ışıkyılı uzaklıkta bulunan bir pulsarın (PSR B1257+12, diğer adıyla Lich) çevresinde gözlemlenen iki Süper Dünya’dan (Poltergeist ve Phobitor) oluşan 1992 yılına kadar gerçekleşmedi. Bilim insanları çoğu yıldızın kendi gezegen sistemine sahip olduğuna kesin olarak inanıyor olsa da, bu keşiften önce ellerinde yadsınamaz bir kanıt yoktu. Kepler Uzay Teleskobu 2009’da fırlatılıncaya kadar, her yıl birkaç tane ötegezegen keşfi ekleniyordu.

O zamandan bu yana, 4.096 sistemde toplam 5.496 ötegezegen doğrulandı ve 9.820 adayın da onaylanması bekleniyor. Son yıllarda süreç, keşif sürecinden karakterizasyona doğru kaymıştır; burada gelişmiş araçlar ve yöntemler, gökbilimcilerin dış gezegen atmosferlerini doğrudan analiz ederek potansiyel yaşanabilirliklerini ölçmelerine olanak sağlamıştır. Prof. Matcheva’nın Universe Today’e e-posta yoluyla açıkladığı gibi:

“Cihazlar giderek daha iyi hale geliyor: daha iyi spektral çözünürlük, olağanüstü sinyal-gürültü seviyesi, daha geniş dalga boyu kapsama alanı. Çeşitli dış gezegenlere ilişkin olağanüstü spektroskopik gözlemler sağlayan JWST’ye ek olarak ESA, özel bir dış gezegen uzay teleskobu ARIEL planlıyor 1000 gezegeni gözlemleyecek. Bu verileri analiz etmek bilim adamlarını uzun süre meşgul edecek.”

Matcheva’ya göre dış gezegen çalışmaları ve astrobiyoloji alanları, içerdiği saf potansiyel nedeniyle inanılmaz derecede büyüleyici. Şu anda bu alan, büyük ölçüde biyolojik imzaların (yaşam ve organik süreçlerin kanıtları) hedeflenen arayışı yoluyla “yaşanabilirliği” kısıtlamakla ilgileniyor.

Yaşamın var olduğunu bildiğimiz tek gezegen olan Dünya’yı bir şablon olarak kullanarak, en çok aranan biyoimzalar nitrojen gazını (N) içerir.₂), oksijen gazı (O₂), karbondioksit (CO₂), metan (CH₄), amonyak (NH₃) ve su (H₂Ö).

Bu, bilim adamlarının karasal standartlara uygun yaşam aradıkları “alçakta asılı meyve yaklaşımını” oluşturur. Bu bir tesadüf değildir, tembel bir yaklaşım da değildir. Bunun nedeni tamamen aşina olmadığımız yaşam belirtilerini aramanın son derece zor olmasıdır. Ancak bu aynı zamanda olasılıklar üzerinde düşünme ve bildiklerimizin kapsamını genişletme fırsatını da sunuyor.

“Ne arayacağımızı biliyor muyuz?” Matcheva ekledi. “Nerede arama yapacağımızı biliyor muyuz? Görsek tanıyabilir miyiz? Ötegezegen bilimi topluluğu her zaman bu soruları akılda tutarak çalışır.”

Matcheva ve meslektaşları, çalışmaları için makine öğreniminin geçiş spektrumlarındaki “anormallikleri” aramak üzere nasıl eğitilebileceğini araştırdı. Bu, uzak yıldızların parlaklıklarındaki periyodik düşüşler için gözlemlenerek elde edilen ışık eğrilerini ifade eder; bu, gözlemciye göre yıldızın önünden geçen bir gezegenin varlığını gösterebilir. Bu, ötegezegenleri tespit etmek için en etkili ve yaygın olarak kullanılan yöntem olmaya devam eden Transit Spektroskopisi (veya Transit Yöntemi) olarak bilinir. Bu yöntem, tespitin yanı sıra gökbilimcilerin ara sıra gezegenin atmosferinden geçen ışığı gözlemlemelerine de olanak tanıyor.

Bir spektrometre ile ölçüldüğünde, bu gözlemler atmosferin kimyasal bileşimine ilişkin verileri açığa çıkaracak ve bu veriler, biyolojik imzaları da içerebilecek. Önümüzdeki yıllarda, yeni nesil teleskoplar ve makine öğreniminin (ML) birleşimi, gökbilimcilerin dış gezegenlerin potansiyel yaşanabilirliğini daha doğru bir şekilde belirlemelerine olanak tanıyacak. Matcheva, “Astrofizikteki makine öğrenimi yöntemlerinin hız, hacim ve metodoloji açısından verileri işleme biçimimizde ezber bozan bir rol oynayabileceğine inanıyoruz” dedi. “Ve bunu bilimin tüm alanlarında görüyoruz.”

Matcheva ve ekibi, amaçları doğrultusunda, sentetik spektrumlardan oluşan geniş bir kamu veritabanını analiz etmek için iki popüler anormallik tespit makine öğrenimi yöntemini kullandı: Yerel Aykırı Faktör (LOF) ve Tek Sınıf Destek Vektör Makinesi (OCSVM).

Bu veritabanı, ESA ARIEL bilim ekibi tarafından görev beklentisiyle geliştirildi (2029’da başlatılması planlanıyor) ve dış gezegenlerin bilgisayar tarafından oluşturulan 100.000’den fazla spektrum sinyalini içeriyor. Ekip ayrıca iki ML tekniğinin performansını ölçmek ve karşılaştırmak için Alıcı Çalışma Karakteristiği (ROC) eğrilerini kullandı. Matcheva’nın anlattığı gibi süreç ve sonuçlar büyüleyiciydi:

“Spektra, her gezegenin atmosferinin farklı oranlarda beş farklı gazın karışımı olduğu varsayılarak mevcut modellerle hesaplanıyor. Bir deney olarak soğuruculardan birini (örneğin H) işledik.₂O) ‘gizemli’ bir soğurucu olarak. ML algoritmasını H’de eksik olan bir veri alt kümesi üzerinde eğittik₂O ve su bulunan gezegenleri anormal olarak işaretleyip işaretlemeyeceği test edildi.”

“Dört gaz için deneyi tekrarladık. Hem LOF hem de OCSVM kullandık. Her iki yöntem de, hiç gürültü olmadığında veya çok az gürültü (~10 ppm) mevcut olduğunda, çok küçük miktarlarda bile anormal gezegenleri bulmada olağanüstü bir iş çıkardı. ‘gizemli’ gaz. Şaşırtıcı olmayan bir şekilde, ML modeli gürültü seviyesi çok fazla arttığında hata yapmaya başlıyor.”

Matcheva’nın belirttiği gibi, makaleleri LOF ve OCSVM yöntemlerinin sinyal gürültüsünün varlığında bile çok sağlam olduğunu gösterdi. Bu sonuçlar, takip araştırmaları için anormal gezegenleri belirlemek amacıyla ML yöntemleri kullanılarak kelimenin tam anlamıyla binlerce ötegezegenin hızlı ve sistematik bir şekilde analiz edilebileceği yakın gelecekte nelerin mümkün olabileceğine dair bir fikir sunuyor. Teorik modeller ve gözlemler arasındaki tutarsızlıkların çoğu zaman en heyecan verici keşiflerin yapıldığı yol olduğu göz önüne alındığında, bu incelemeler muhtemelen çok eğitici olacaktır.

Matcheva, “Biyoimzaları aramak bu makalenin birincil amacı olmasa da, bu çok ilginç bir sonuç ve yöntemin potansiyeli konusunda çok heyecanlıyız” dedi. “Evrendeki yaşamın izlerini aramak, dumanı tüten bir silahtan ziyade samanlıkta iğne aramaya benzer. Aslında daha da zordur çünkü iğnenin neye benzediğini bilmiyoruz. Yenilik tespit yöntemleri tam olarak tasarlanmıştır. bunun için: nadir olaylar [where] neye benzediklerini, koktuklarını veya seslerinin neye benzediğini bilmiyoruz.”

Daha önce de belirtildiği gibi, dünya dışı yaşam arayışı – ve aslında dünya dışı zeka arayışı (SETI) – “bildiğimiz şekliyle” yaşamı aramak olarak özetlenebilir. Ancak eğer yaşam evrende çok nadirse veya doğada çok “egzotik” ise (yani her türlü kimyasal ve koşuldan kaynaklanabiliyorsa), o zaman daha geniş bir ağ oluşturmak mantıklı olacaktır. Sonuçta, eğer referans çerçevemiz astrobiyoloji çabalarımıza bir engel teşkil ediyorsa (kesinlikle bu kadar ileri sürülebilir), bunu genişletmek, yalnız olmadığımıza dair kanıt bulmakla soruyu bir sonraki nesile cevapsız bırakmak arasındaki fark olabilir. Matcheva şunları söyledi:

“Astrobiyoloji topluluğu uzun süredir ‘yaşam’ın tanımı üzerinde çalışıyor, ancak uzaylıların gerçekte neye benzedikleri ve çevreleriyle nasıl etkileşime girecekleri hakkında hiçbir fikrimiz yok. İnsan deneyimimiz ve mevcut stratejiler konusunda önyargılıyız. tanımı gereği insan (ya da karasal yaşam) dostu olan ‘yaşanabilir bölge’de yaşam aramalıyız.”

“Peki, neye benzediğini bilmediğiniz bir şeyi nasıl arayabilirsiniz? İşte bu noktada yenilik tespit makine öğrenimi teknikleri devreye giriyor; eğitim verileriyle tutarsız olan, yani kabul edilmeyen veri noktalarını işaretleyebilirler. mevcut teorik modeller. Yani aslında bu anlamda bizim yöntemimiz ‘bilmediğimiz gibi’ yaşamı aramaktır.”

Isaac Asimov’un meşhur dediği gibi, “Bilimde duyulan en heyecan verici, yeni keşiflerin habercisi olan ifade ‘Evreka!’ değildir. ama ‘Bu çok komik.'”