top of page
astrotelescopios.com

¿Puede la IA ayudar a encontrar vida en Marte o en mundos helados?

Un estudio reciente dirigido por Kim Warren-Rhodes, científica investigadora principal del Instituto SETI, y publicado en Nature Astronomy, nos acerca al descubrimiento de vida extraterrestre mediante el mapeo de formas de vida escasas en ambientes extremos. La investigación interdisciplinaria se centra en la vida oculta dentro de domos de sal, rocas y cristales en el Salar de Pajonales, situado en la frontera del desierto chileno de Atacama y el Altiplano. Este estudio podría ayudar a identificar ubicaciones exactas para buscar vida en otros planetas, a pesar de las limitadas oportunidades para recolectar muestras o acceder a instrumentos de teledetección.

¿No sería más fácil descubrir la vida en otros mundos si supiéramos los lugares exactos para buscar? Sin embargo, las oportunidades de recoger muestras o acceder a instrumentos de teleobservación son limitadas. Un estudio reciente, publicado en Nature Astronomy y dirigido por la científica investigadora principal del Instituto SETI, Kim Warren-Rhodes, nos acerca un paso más a encontrar vida extraterrestre. El estudio interdisciplinario mapea las escasas formas de vida ocultas dentro de domos de sal, rocas y cristales en el Salar de Pajonales, ubicado en el límite del desierto chileno de Atacama y el Altiplano.

Warren-Rhodes se asoció con Michael Phillips del Laboratorio de Física Aplicada Johns Hopkins y Freddie Kalaitzis de la Universidad de Oxford para entrenar un modelo de aprendizaje automático que pudiera reconocer patrones y reglas asociadas con la distribución de formas de vida. Este modelo fue diseñado para predecir e identificar distribuciones similares en datos no entrenados. Al combinar la ecología estadística con AI / ML, los científicos lograron un resultado notable: la capacidad de localizar y detectar biofirmas hasta el 87.5% del tiempo, en comparación con solo el 10% con una búsqueda aleatoria. Esto también redujo el área de búsqueda hasta en un 97%.


Mapas de probabilidad de biofirma a partir de modelos CNN y datos de ecología estadística. Los colores en a) indican la probabilidad de detección de biofirma. En b) una imagen visible de una característica geológica de cúpula de yeso (izquierda) con mapas de probabilidad de biofirma para varios microhábitats (por ejemplo, arena versus alabastro) dentro de ella. Crédito: M. Phillips, F. Kalaitzis, K. Warren-Rhodes.

“Nuestro marco nos permite combinar el poder de la ecología estadística con el aprendizaje automático para descubrir y predecir los patrones y reglas por los cuales la naturaleza sobrevive y se distribuye en los paisajes más duros de la Tierra”, dijo Rhodes. “Esperamos que otros equipos de astrobiología adapten nuestro enfoque para mapear otros entornos habitables y biofirmas. Con estos modelos, podemos diseñar hojas de ruta y algoritmos a medida para guiar a los rovers a lugares con la mayor probabilidad de albergar vida pasada o presente, sin importar cuán ocultos o raros sean”.


Video que muestra los principales conceptos de integración de conjuntos de datos desde la órbita hasta el suelo. Los primeros fotogramas se acercan desde una vista global a una imagen orbital del Salar de Pajonales. El salar se superpone con una interpretación de su variabilidad composicional derivada de los datos multiespectrales de ASTER. La siguiente secuencia de fotogramas pasa a imágenes derivadas de drones del sitio de campo dentro del Salar de Pajonales. Tenga en cuenta las características de interés que se vuelven identificables en la escena, comenzando con redes poligonales de crestas, luego cúpulas de yeso individuales y suelo con patrones poligonales, y terminando con hojas individuales de selenita. El video termina con una vista en primera persona de un conjunto de domos de yeso estudiados en el artículo utilizando técnicas de aprendizaje automático. Crédito: M. Phillips

En última instancia, algoritmos similares y modelos de aprendizaje automático para muchos tipos diferentes de entornos habitables y biofirmas podrían automatizarse a bordo de robots planetarios para guiar eficientemente a los planificadores de misiones a áreas a cualquier escala con la mayor probabilidad de contener vida.

Rhodes y el equipo del Instituto SETI del Instituto de Astrobiología de la NASA (NAI) utilizaron el Salar de Pajonales, como un análogo de Marte. Pajonales es un lago de gran altitud (3.541 m), alto U/V, hiperárido, salado seco, considerado inhóspito para muchas formas de vida pero aún habitable.

Durante las campañas de campo del proyecto NAI, el equipo recolectó más de 7.765 imágenes y 1.154 muestras y probó instrumentos para detectar microbios fotosintéticos que viven dentro de las cúpulas de sal, rocas y cristales de alabastro. Estos microbios exudan pigmentos que representan una posible biofirma en la Escalera de Detección de Vida de la NASA.

En Pajonales, las imágenes de vuelo de drones conectaron datos orbitales simulados (HiRISE) con el muestreo del suelo y el mapeo topográfico 3D para extraer patrones espaciales. Los hallazgos del estudio confirman (estadísticamente) que la vida microbiana en el sitio análogo terrestre de Pajonales no se distribuye al azar, sino que se concentra en puntos calientes biológicos irregulares fuertemente vinculados a la disponibilidad de agua a escalas de km a cm.

Luego, el equipo entrenó redes neuronales convolucionales (CNN) para reconocer y predecir características geológicas a macroescala en Pajonales, algunas de las cuales, como el suelo modelado o las redes poligonales, también se encuentran en Marte, y sustratos a microescala (o “microhábitats”) con mayor probabilidad de contener biofirmas.


Estudio orbit-a-tierra de biofirmas en el sitio de estudio análogo terrestre de Marte Salar de Pajonales, Chile. (b) vista con drones del sitio con características geológicas a macroescala (cúpulas, cubierta eólica, redes de crestas y suelo modelado) en color falso. (c) Representación en 3D de macrohábitats de cúpulas a partir de imágenes de drones. d) Bandas naranjas y verdes de pigmentos de las comunidades microbianas fotosintéticas que viven en microhábitats de sulfato de Ca. Estas biofirmas son una característica de la Escalera de Detección de Vida de la NASA y son detectables por el ojo y por instrumentos como Raman (e) y espectroscopía infrarroja de onda corta visible. Crédito: N. Cabrol, M. Phillips, K. Warren-Rhodes, J. Bishop y D. Wettergreen.

Al igual que el equipo de Perseverance en Marte, los investigadores probaron cómo integrar efectivamente un UAV / dron con rovers, taladros e instrumentos terrestres (por ejemplo, VISIR en ‘MastCam-Z’ y Raman en ‘SuperCam’ en el rover Mars 2020 Perseverance).

El próximo objetivo de investigación del equipo en Pajonales es probar la capacidad de CNN para predecir la ubicación y distribución de fósiles antiguos de estromatolitos y microbiomas de halita con los mismos programas de aprendizaje automático para saber si se aplican reglas y modelos similares a otros sistemas naturales similares pero ligeramente diferentes. A partir de ahí, se explorarán y mapearán ecosistemas completamente nuevos, como aguas termales, suelos de permafrost y rocas en los Valles Secos. A medida que se acumule más evidencia, las hipótesis sobre la convergencia de los medios de la vida para sobrevivir en ambientes extremos se probarán iterativamente, y se inventariarán los planos de probabilidad de biofirma para los ecosistemas y biomas análogos clave de la Tierra.

“Si bien la alta tasa de detección de biofirmas es un resultado central de este estudio, no menos importante es que integró con éxito conjuntos de datos a resoluciones muy diferentes desde la órbita hasta el suelo, y finalmente vinculó los datos orbitales regionales con hábitats microbianos”, dijo Nathalie A. Cabrol, PI del equipo NAI del Instituto SETI. “Con él, nuestro equipo demostró un camino que permite la transición de las escalas y resoluciones requeridas para caracterizar la habitabilidad a aquellas que pueden ayudarnos a encontrar vida. En esa estrategia, los drones eran esenciales, pero también lo era la implementación de investigaciones de campo de ecología microbiana que requieren períodos prolongados (hasta semanas) de mapeo in situ (y en el lugar) en áreas pequeñas, una estrategia que fue crítica para caracterizar patrones ambientales locales favorables a los nichos de vida”.

Este estudio dirigido por el equipo NAI del Instituto SETI ha allanado el camino para que el aprendizaje automático ayude a los científicos en la búsqueda de biofirmas en el universo. Su artículo “Orbit-to-Ground Framework to Decode and Predict Biosignature Patterns in Terrestrial Analogues” es la culminación de cinco años del proyecto NAI financiado por la NASA y un esfuerzo cooperativo de investigación astrobiológica con más de 50 miembros del equipo de 17 instituciones. Además del Laboratorio de Física Aplicada Johns Hopkins y la Universidad de Oxford, la Universidad Católica del Norte, Antofagasta, Chile apoyó esta investigación.

Referencia: “Orbit-to-ground framework to decode and predict biosignature patterns in terrestrial analogues” por Kimberley Warren-Rhodes, Nathalie A. Cabrol, Michael Phillips, Cinthya Tebes-Cayo, Freddie Kalaitzis, Diego Ayma, Cecilia Demergasso, Guillermo Chong-Diaz, Kevin Lee, Nancy Hinman, Kevin L. Rhodes, Linda Ng Boyle, Janice L. Bishop, Michael H. Hofmann, Neil Hutchinson, Camila Javiera, Jeffrey Moersch, Claire Mondro, Nora Nofke, Victor Parro, Connie Rodriguez, Pablo Sobron, Philippe Sarazzin, David Wettergreen, Kris Zacny y el equipo NAI del Instituto SETI, 6 de marzo de 2023, Nature Astronomy. DOI: 10.1038/s41550-022-01882-x

1 visualización0 comentarios
bottom of page