Ontwikkelingen in kunstmatige intelligentie kunnen ons helpen de waarschijnlijkheid van leven op andere planeten te voorspellen, volgens nieuw werk van een team aan de Plymouth University. De studie maakt gebruik van kunstmatige neurale netwerken (ANN's) om planeten in vijf typen in te delen, het schatten van een kans op leven in elk geval, die zouden kunnen worden gebruikt in toekomstige interstellaire verkenningsmissies. Het werk wordt op 4 april gepresenteerd op de European Week of Astronomy and Space Science (EWASS) in Liverpool door de heer Christopher Bishop.

Kunstmatige neurale netwerken zijn systemen die proberen de manier waarop het menselijk brein leert na te bootsen. Ze zijn een van de belangrijkste tools die worden gebruikt bij machine learning, en zijn bijzonder goed in het identificeren van patronen die te complex zijn voor een biologisch brein om te verwerken.

Het team, gebaseerd op het Center for Robotics and Neural Systems aan de Plymouth University, hebben hun netwerk getraind om planeten in vijf verschillende typen in te delen, op basis van of ze het meest lijken op de huidige aarde, de vroege aarde, Mars, Venus of Saturnusmaan Titan. Alle vijf deze objecten zijn rotsachtige lichamen waarvan bekend is dat ze atmosferen hebben, en behoren tot de meest potentieel bewoonbare objecten in ons zonnestelsel.

De heer Bisschop merkt op, "We zijn momenteel geïnteresseerd in deze ANN's om prioriteit te geven aan exploratie voor een hypothetische, intelligent, interstellaire ruimtevaartuigen die een exoplaneetsysteem op afstand scannen."

Hij voegt toe, "We kijken ook naar het gebruik van grote oppervlakten, inzetbaar, vlakke fresnel-antennes om gegevens op grote afstanden van een interstellaire sonde terug naar de aarde te krijgen. Dit zou nodig zijn als de technologie in de toekomst wordt gebruikt in robotruimtevaartuigen."

Atmosferische waarnemingen - bekend als spectra - van de vijf zonnestelsellichamen worden gepresenteerd als inputs voor het netwerk, die vervolgens wordt gevraagd om ze te classificeren in termen van het planetaire type. Aangezien het momenteel alleen bekend is dat leven op aarde bestaat, de classificatie maakt gebruik van een 'waarschijnlijkheid van het leven'-metriek die is gebaseerd op de relatief goed begrepen atmosferische en orbitale eigenschappen van de vijf doeltypen.

Bishop heeft het netwerk getraind met meer dan honderd verschillende spectrale profielen, elk met enkele honderden parameters die bijdragen aan de bewoonbaarheid. Tot dusver, het netwerk presteert goed wanneer het een spectraal testprofiel krijgt dat het nog niet eerder heeft gezien.

"Gezien de resultaten tot nu toe, deze methode kan uiterst nuttig blijken te zijn voor het categoriseren van verschillende soorten exoplaneten met behulp van resultaten van observatoria op de grond en in de buurt van de aarde", zegt Dr. Angelo Cangelosi, de projectleider.

De techniek kan ook bij uitstek geschikt zijn voor het selecteren van doelen voor toekomstige waarnemingen, gezien de toename in spectrale details die verwacht worden van aanstaande ruimtemissies zoals ESA's Ariel Space Mission en NASA's James Webb Space Telescope.