В работе, проведенной под руководством Института SETI, международная группа ученых нанесла на карту места, где есть жизнь, скрытая в соляных куполах, скалах и кристаллах в района Салар-де-Пахоналес на границе чилийской пустыни Атакама.
ИИ поможет направить марсоходы на поиски жизни

Чтобы искать жизнь хорошо бы знать, где она наиболее вероятна. Вот на этот вопрос может ответить ИИ
Затем ученые обучили ИИ распознавать природные шаблоны, связанные с обитаемыми местами, чтобы ИИ мог находить подобные шаблоны и на новых картах. Используя ИИ, ученые смогли найти биосигнатуры в 87,5% случаев (по сравнению с менее 10% при случайном поиске) и уменьшать площадь, необходимую для поиска на 97%.
«Мы надеемся, что астробиологи используют наш подход к картографированию пригодных для жизни сред и биосигнатур не только на Земле. С помощью этих моделей мы можем разрабатывать индивидуальные дорожные карты и алгоритмы, чтобы направлять марсоходы в места с наибольшей вероятностью наличия прошлой или настоящей жизни», — говорит ведущий автор работы Ким Уоррен-Роудс.
Родс и команда Института астробиологии NASA (NAI) использовали Салар-де-Паджоналес в качестве аналога Марса. Паджоналес — это высокогорное (3541 м), сухое соленое дно озера, считающееся негостеприимным для многих форм жизни, но жизнь там все-таки есть.
Во время полевых кампаний проекта NAI команда собрала более 7765 изображений и 1154 образца породы и грунта и протестировала инструменты для обнаружения фотосинтезирующих микробов, живущих в соляных куполах, скалах и кристаллах алебастра. Эти микробы выделяют пигменты, которые представляют собой одну из возможных биосигнатур на Лестнице обнаружения жизни NASA.
Изображения с дрона соединили с орбитальными данными (HiRISE), наземными выборками и трехмерным топографическим картографированием для извлечения пространственных закономерностей. Результаты подтверждают (статистически), что микробная жизнь в Паджоналесе не распределена случайным образом, а сконцентрирована в неоднородных биологических горячих точках, тесно связанных с доступностью воды.

Затем команда обучила сверточные нейронные сети (CNN) распознавать и прогнозировать макромасштабные геологические особенности в Паджоналесе. Некоторые подобные особенности уже обнаружены на Марсе.