Em um estudo feito pela revista Astrophysical Journal e disponível no arXiv, cientistas visam identificar anomalias em dados espectroscópicos de alta resolução, em busca de assinaturas químicas raras e bioassinaturas desconhecidas que podem indicar formas de vida distintas da Terra. Essa abordagem envolve análise de dados de telescópios como o James Webb e o Nancy Grace Roman, combinando técnicas de aprendizado de máquina avançadas.
A pesquisa da Universidade da Flórida, chamada “Searching for Novel Chemistry in Exoplanetary Atmospheres using Machine Learning for Anomaly Detection”, questiona nossa visão limitada da “vida” e destaca melhorias contínuas em instrumentos astronômicos, como o futuro telescópio espacial ARIEL da ESA.
Atualmente, os cientistas buscam bioassinaturas conhecidas, como o nitrogênio, o oxigênio e a água, em exoplanetas, mas o machine learning pode ajudar a identificar anomalias nos espectros e revelar novas bioassinaturas.
Isso pode até levar à reclassificação de exoplanetas como “habitáveis” de maneiras não convencionais, dado que nossa compreensão de vida extraterrestre é limitada por nossa experiência e estratégias centradas na zona habitável.
A Agência Espacial Europeia (ESA) planeja lançar o telescópio espacial ARIEL para observar exoplanetas. Se até agora 4.576 exoplanetas confirmados pela NASA foram descobertos, ARIEL terá a missão de estudar pelo menos 1.000 deles.
