과학자들이 "생체 서명" 또는 생명의 징후를 포함할 가능성이 가장 높은 사이트를 정확히 찾아내도록 인공지능을 교육함으로써 화성에서 외계 생명체 검색을 최적화하는 새로운 방법을 제안했다고 새로운 연구에서 보고했다.

새로운 딥 러닝 프레임워크는 높은 수준의 방사선과 극도로 낮은 기온에 노출된 가혹한 칠레 환경에서 생체 서명을 찾도록 훈련되어 지구에서 얻을 수 있는 것처럼 화성에 가까운 조건을 만든다. AI 도구는 이 극한 환경에서 생체 서명을 감지할 확률을 최대 87.5%까지 높일 수 있어 생명의 흔적을 무작위로 검색하는 것보다 약 9배 더 효과적이다.

약 40억년 전에 화성은 더 따뜻하고 습했으며 잠재적으로 생명체가 거주할 수 있는 곳이었다. 궤도선과 로버는 우리가 알고 있는 생명의 핵심 요소인 물로 조각된 지구상의 많은 지역을 노출시켜 한때 화성 미생물의 서식지였을지도 모르는 감질나는 일별을 드러냈다. 예를 들어, NASA의 퍼서비어런스 로버는 현재 오래 전에 물로 가득했던 고대 화성의 호수 바닥인 제로 분화구를 탐사하고 있다.

우리는 화성에서 미생물의 잔해를 어디에서 찾을 수 있는지에 대한 대략적인 아이디어를 가지고 있지만 검색 범위를 작은 서식지 규모로 좁히는 것은 훨씬 더 어려운 작업이다. 이 문제를 해결하기 위해 킴벌리 워렌-로즈가 이끄는 과학자들은 비영리 SETI 연구소의 한 우주생물학자는 월요일 Nature Astronomy에 발표된 연구에 따르면 "생체 특징 패턴을 인식하고 예측하기 위해 통계 생태학과 심층 학습을 결합하는 적응형 프레임워크"를 개발했다.

"화성에서 생체 신호를 찾는 과정에서 지구 및 지역 거주 가능성을 특성화하는 궤도선과 로버의 풍부한 데이터가 있다. 그러나 미생물 서식지와 생체특징의 규모와 해상도에서 이용할 수 있는 정보는 훨씬 적다.”라고 킴벌리 워렌-로즈와 그녀의 동료들은 연구에서 말했다. "지상 생체특징의 분포가 인식 가능하고 예측 가능한 패턴으로 특징지어지는지 이해하면 다른 지구 행성의 생명체에 대한 검색 노력을 최적화하기 위한 이정표를 얻을 수 있다."

연구팀은 "극한 환경에서 생체특징의 분포는 지질학적, 물리화학적, 생물학적 상호작용의 복잡한 상호의존성에 의해 엄격하게 통제된다"며 물에 대한 접근성이 이 미적분학에서 특히 중요한 요소라고 지적했다. "지금까지 극한 거주 가능성에서 생명체를 감지할 수 있는 예측력과 확률을 테스트하기 위해 통합된 공간 척도 또는 응용 머신러닝에서 이러한 연결을 체계적으로 조사한 연구는 거의 없다."

그들의 새로운 논문으로, 연구자들은 초건조한 아타카마 사막 가장자리의 3,500m 고도에 위치한 산악 호수인 칠레의 살라르 데 파호날레스(Salar de Pajonales)에서 생체 신호의 존재를 예측하는 딥 러닝 시스템을 교육함으로써 연구의 이러한 격차를 메우는 것을 목표로 했다.

현대 화성만큼 극단적인 지구 환경은 없지만 살라르 데 파호날레스(Salar de Pajonales)는 "화성에서 생체특징 검색과 매우 관련성이 높은 물리적 및 생물학적 프로세스의 특징을 보여준다." 연구에 따르면 "프랙탈과 같은 능선 네트워크, 패턴화된 지면 및 비생물적 및/또는 생물 기원의 수축 균열 지형"과 같은 것이다.

킴벌리 워렌-로즈와 그녀의 동료들은 공중 및 지상 관측을 사용하여 이 까다로운 서식지에 서식하는 강인한 광합성 미생물의 분포를 파악했다. 그런 다음 팀은 염분, 암석 유형 및 빛에 대한 액세스와 같은 여러 지질 매개 변수를 사용하여 생체 신호의 확률을 예측하도록 신경망을 훈련했다.

연구에 따르면 딥 러닝 접근 방식은 56.9~87.5%의 놀라운 수준으로 생체 신호 감지 확률을 예측할 수 있어 "지상 유사체에서 생체 신호 검색 및 감지를 촉진하는 강력한 도구"가 되었다. 연구자들은 생체특징이 특히 오랜 기간 동안 물을 유지하는 암석의 일종인 설화석고 주변에 모여 있음을 발견했으며, 이는 다른 행성에 대한 지질학적 연구에 정보를 제공할 수 있는 발견이다.

연구원들은 이 연구를 화성과 다른 세계에서 외계 생명체를 찾는 새로운 길을 제시하는 "개념 증명"이라고 불렀지만 도구를 더욱 최적화하기 위해 많은 개선이 이루어질 수 있다고 언급했다. 예를 들어, 팀은 모든 종류의 외계 환경에 적용될 수 있는 지구상의 생체 서명 분포에 대한 데이터 "라이브러리" 개발을 구상하고 있다.

"이러한 라이브러리는 미래의 화성 임무 과학자들이 생체 서명을 포함할 가능성이 가장 높은 상, 광물 집합체 및 구조를 선택하는 데 도움이 될 수 있다."라고 팀은 결론지었다. “궁극적으로 우리는 이 접근 방식이 생체 서명 확률 및 거주 가능성 알고리즘, 로드맵 및 모델의 데이터뱅크 편집을 용이하게 하고 화성 탐사를 위한 가이드 역할을 하기를 바란다. 이 프레임워크는 타이탄의 표면, 엔셀라두스의 기둥 또는 유로파의 얼음 덮개와 같은 다른 우주생물학 목표에도 적용할 수 있다.”