Non sarebbe più facile trovare la vita su altri mondi se sapessimo esattamente dove cercare? I ricercatori hanno opportunità limitate di raccogliere campioni su Marte o altrove o di accedere a strumenti di telerilevamento durante la caccia alla vita oltre la Terra. In un articolo pubblicato su Nature Astronomy, uno studio interdisciplinare condotto dal ricercatore senior del SETI Institute Kim Warren-Rhodes, ha mappato la vita sparsa nascosta in cupole di sale, rocce e cristalli a Salar de Pajonales al confine tra il deserto cileno di Atacama e l’Altiplano . Quindi hanno addestrato un modello di apprendimento automatico per riconoscere i modelli e le regole associati alle loro distribuzioni in modo che potesse imparare a prevedere e trovare quelle stesse distribuzioni nei dati su cui non era stato addestrato. In questo caso, combinando l’ecologia statistica con AI/ML, gli scienziati sono stati in grado di individuare e rilevare firme biologiche fino all’87,5% delle volte (rispetto al ≤10% della ricerca casuale) e ridurre l’area necessaria per la ricerca fino al 97%.
“Il nostro framework ci consente di combinare il potere dell’ecologia statistica con l’apprendimento automatico per scoprire e prevedere i modelli e le regole in base ai quali la natura sopravvive e si distribuisce nei paesaggi più aspri della Terra”, ha affermato Rhodes. “Speriamo che altri team di astrobiologia adattino il nostro approccio alla mappatura di altri ambienti abitabili e firme biologiche. Con questi modelli, possiamo progettare roadmap e algoritmi su misura per guidare i rover in luoghi con la più alta probabilità di ospitare vite passate o presenti, non importa quanto siano nascosti o rari».
In definitiva, algoritmi simili e modelli di apprendimento automatico per molti diversi tipi di ambienti abitabili e firme biologiche potrebbero essere automatizzati a bordo di robot planetari per guidare in modo efficiente i pianificatori di missioni verso aree di qualsiasi scala con la più alta probabilità di contenere la vita.
Rhodes e il team del SETI Institute NASA Astrobiology Institute (NAI) hanno utilizzato il Salar de Pajonales, come un analogo di Marte. Pajonales è un lago di alta quota (3.541 m), alto U/V, iperarido, salato e secco, considerato inospitale per molte forme di vita ma ancora abitabile.
Durante le campagne sul campo del progetto NAI, il team ha raccolto oltre 7.765 immagini e 1.154 campioni e ha testato strumenti per rilevare i microbi fotosintetici che vivono all’interno delle cupole di sale, delle rocce e dei cristalli di alabastro. Questi microbi trasudano pigmenti che rappresentano una possibile firma biologica sulla Ladder of Life Detection della NASA.
A Pajonales, le immagini di volo dei droni hanno collegato i dati orbitali simulati (HiRISE) al campionamento del terreno e alla mappatura topografica 3D per estrarre modelli spaziali. I risultati dello studio confermano (statisticamente) che la vita microbica nel sito analogico terrestre di Pajonales non è distribuita in modo casuale, ma concentrata in hotspot biologici irregolari fortemente legati alla disponibilità di acqua su scala da km a cm.
Successivamente, il team ha addestrato le reti neurali convoluzionali (CNN) per riconoscere e prevedere le caratteristiche geologiche su macroscala a Pajonales – alcune delle quali, come il terreno modellato o le reti poligonali, si trovano anche su Marte – e substrati su microscala (o “micro- habitat’) con maggiore probabilità di contenere firme biologiche.
Come il team Perseverance su Marte, i ricercatori hanno testato come integrare efficacemente un UAV/drone con rover, trivelle e strumenti terrestri (ad esempio, VISIR su “MastCam-Z” e Raman su “SuperCam” sul rover Mars 2020 Perseverance) .
Il prossimo obiettivo di ricerca del team a Pajonales è testare la capacità della CNN di prevedere la posizione e la distribuzione di antichi fossili di stromatolite e microbiomi di salgemma con gli stessi programmi di apprendimento automatico per capire se regole e modelli simili si applicano ad altri sistemi naturali simili ma leggermente diversi. Da lì, verranno esplorati e mappati ecosistemi completamente nuovi, come sorgenti termali, suoli permafrost e rocce nelle Dry Valleys. Man mano che si accumulano ulteriori prove, le ipotesi sulla convergenza dei mezzi di sopravvivenza della vita in ambienti estremi saranno testate in modo iterativo e verranno inventariati i modelli di probabilità della firma biologica per i principali ecosistemi e biomi analogici della Terra.
“Sebbene l’alto tasso di rilevamento della firma biologica sia un risultato centrale di questo studio, non meno importante è che ha integrato con successo set di dati a risoluzioni molto diverse dall’orbita al suolo e, infine, ha collegato i dati orbitali regionali con gli habitat microbici”, ha affermato Nathalie A. Cabrol, il PI del team NAI del SETI Institute. “Con esso, il nostro team ha dimostrato un percorso che consente la transizione dalle scale e risoluzioni necessarie per caratterizzare l’abitabilità a quelle che possono aiutarci a trovare la vita. In quella strategia, i droni erano essenziali, ma lo era anche l’implementazione di indagini sul campo sull’ecologia microbica che richiedono periodi estesi (fino a settimane) di mappatura in situ (e sul posto) in piccole aree, una strategia fondamentale per caratterizzare i modelli ambientali locali favorevole alle nicchie di vita”.
Questo studio condotto dal team NAI del SETI Institute ha aperto la strada all’apprendimento automatico per assistere gli scienziati nella ricerca di firme biologiche nell’universo. Il loro documento “Orbit-to-Ground Framework to Decode and Predict Biosignature Patterns in Terrestrial Analogues” è il culmine di cinque anni del progetto NAI finanziato dalla NASA e uno sforzo di ricerca cooperativa di astrobiologia con oltre 50 membri del team di 17 istituzioni.
Il progetto del team SETI NAI intitolato “Cambiare gli ambienti planetari e le impronte digitali della vita” è stato finanziato dal programma di astrobiologia della NASA.