全国统一服务热线:400-123-4657
站内公告:
联系我们CONTACT
2024-12-05点击量:593
本文摘要:GoogleCloud与NASA的前沿研发实验室合作,利用仿真和机器学习技术搜寻外星生命。GoogleCloud与NASA的前沿研发实验室合作,利用仿真和机器学习技术搜寻外星生命。弄清楚外层空间有可能不存在的清楚方位是十分最重要的:并不总是确切哪些特定的条件和材料是存活所必须的。换句话说,数百万英里之外的世界或宇宙体否具备适当的成分和定位并不是确认的,我们确实必须做到的就是将地球作为案例研究。科学家常常必须将来自有所不同行星和岩石的信息片段重新组合一起,以便猜测反对生命所需的理想条件。
什么样的人可以确实做到的是更加明确的世界模型,这些模型可能会增进生命,然后利用这些场景来过滤器天体。如果外星球合适模型,它有可能是生命的家园。因此,GoogleCloud的开发人员早已制作了可以反对生活的各种世界的仿真。第一个项目仿真了行星的大气特性,例如其密度,温度,化学成分,压力和特定生物化合物的浓度。
该软件被称作Atmos,目的协助科学家找寻有可能具有生命的行星,从与地球相近的大气开始。“有意思的是,Atmos从地球上找到的这些分子的浓度开始,然后以小增量调整浓度,以仿真有效地无限数量的排序,在合理或物理平稳的范围内,”应用于AI的技术总监MassimoMascaro说道。
然后可以将这些仿真与现实数据展开较为,以评估等价行星有可能存活的可能性。天体生物学家最感兴趣的是坐落于其母星周围可居住于区域的岩石系由外行星,其表面有可能不存在液态水。因此,来自谷歌和美国宇航局实验室的第二个团队早已创建了一个取名为INARA的基于机器学习的工具,通过研究高分辨率望远镜图像,可以辨识岩石系由外行星大气层中的化合物。
为了研发这个软件,brainiacs仿真了多达三百万个行星的光谱特征,它们的大气化学构成的指纹,并将它们标记为训练卷积神经网络(CNN)。因此,CNN可用作从美国宇航局开普勒太空船的大气图像和光线曲线中自动估计行星的化学成分。基本上,训练神经网络将望远镜图像与化学成分联系一起,因此,你展出了一组等价的图像,它不会吞下涉及的化学成分-可以用来评估那些否不会造成生命愈演愈烈在现场。INARA必须几秒钟才能找到有可能不存在于世界大气中的生物化合物。
“考虑到开普勒望远镜产生的数据集的规模,以及将要升空的过境系由外行星测量卫星(TESS)卫星将回到地球的数据量更大,最大限度地延长每颗行星的分析时间这项研究保证我们会错失任何不切实际的候选人,“马斯卡罗总结道。
本文来源:betway体育app-www.kick-off-studio.com