ИИ достиг почти 97% точности в поиске биомаркеров в минералах

Модель может помочь в поисках признаков жизни на Марсе

Исследователи создали систему на основе машинного обучения, которая способна с точностью 96,8% различать апатит биологического происхождения и минерал, образовавшийся без участия живых организмов. Метод сочетает Рамановскую спектроскопию (анализ веществ через взаимодействие лазера с их структурой) и алгоритм машинного обучения, что делает его многообещающим для будущих миссий по поиску признаков жизни вне Земли.

Апатит — это фосфатный минерал, который широко распространен как на Земле, так и на других космических телах. Он является частью костей и зубов живых существ, но также может возникать в небиологических процессах, поэтому сам по себе не является однозначным индикатором жизни. Основная задача астробиологии заключается в нахождении устойчивых минеральных биомаркеров — признаков, которые можно надежно ассоциировать с деятельностью организмов.

Для обучения модели исследователи собрали 331 Рамановский спектр апатита из различных источников: образцов биологического происхождения, природных минералов и синтетических материалов. В их числе были данные о костях, зубной эмали, ископаемых остатках, патологических образованиях, а также магматических и осадочных породах.

Из каждого спектра учёные выделили 21 параметр, описывающий характеристики отдельных участков сигнала, включая положение, ширину и интенсивность спектральных линий. После обработки данных алгоритм, использующий множество независимых решающих моделей, смог классифицировать образцы с точностью 96,8% на независимом наборе данных.

Проверка показала, что полученные результаты не зависят от особенностей конкретных лабораторий или приборов. При перекрёстной проверке по 60 независимым источникам модель сохраняла высокую точность, что свидетельствует о наличии реальных физических различий между биологическим и небиологическим апатитом.

Ключевыми признаками для классификации стали ширина фосфатной полосы в спектре и интенсивность полосы, связанной с карбонатами. Расширение фосфатной полосы указывает на изменения в кристаллической структуре минерала, а присутствие карбонатов связано с изменениями в составе апатита. Расчёты, основанные на теории функционала плотности (метод моделирования свойств материалов), показали, что замещение фосфатных групп карбонатами увеличивает искажения структуры минерала и снижает уровень его упорядоченности.

Авторы отмечают, что модель не устанавливает происхождение образца по одному признаку, а предоставляет вероятностную оценку, основываясь на совокупности спектральных характеристик. Этот подход особенно важен для планетарных исследований, где образцы часто ограничены, а прямой анализ невозможен. Разработанная система может использовать данные с компактных Рамановских спектрометров, которые уже применяются на марсоходах NASA Perseverance и планируются для миссии Rosalind Franklin.

Работа демонстрирует, что сочетание автономных приборов и интерпретируемого искусственного интеллекта может помочь будущим космическим миссиям быстрее анализировать минералы на месте и выбирать наиболее перспективные образцы для поиска следов жизни.