ИИ научился искать биомаркеры в минералах с точностью почти 97%

Модель может помочь в поиске признаков жизни на Марсе

Учёные разработали систему на основе машинного обучения, которая способна отличать апатит биологического происхождения от минерала, сформировавшегося без участия живых организмов, с точностью 96,8%. Метод объединяет Рамановскую спектроскопию (анализ вещества по взаимодействию лазера с его структурой) и алгоритм машинного обучения, что делает его потенциально применимым для будущих миссий по поиску следов жизни за пределами Земли.

Апатит — фосфатный минерал, который широко встречается как на Земле, так и на космических объектах. Он входит в состав костей и зубов живых организмов, но также может образовываться в небиологических процессах, поэтому сам по себе не является однозначным признаком жизни. Главная проблема для астробиологии заключается в поиске устойчивых минеральных биомаркеров — признаков, которые можно надёжно связать с деятельностью организмов.

Для обучения модели исследователи собрали 331 Рамановский спектр апатита из различных источников: образцов биологического происхождения, природных минералов и синтетических материалов. Среди них были данные по костям, зубной эмали, ископаемым остаткам, патологическим образованиям, а также магматическим и осадочным породам.

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

Проверка показала, что результат не связан с особенностями конкретных лабораторий или приборов. При перекрёстной проверке по 60 независимым источникам модель сохраняла высокую точность, что указывает на использование реальных физических различий между биологическим и небиологическим апатитом.

Главными признаками для классификации стали ширина фосфатной полосы в спектре и интенсивность полосы, связанной с карбонатами. Расширение фосфатной полосы указывает на нарушение кристаллической структуры минерала, а присутствие карбонатов связано с изменениями состава апатита. Расчёты на основе теории функционала плотности (метод моделирования свойств веществ) показали, что замещение фосфатных групп карбонатами увеличивает искажения структуры минерала и снижает степень её упорядоченности.

Авторы отмечают, что модель не определяет происхождение образца по одному признаку, а выдаёт вероятностную оценку на основе совокупности спектральных характеристик. Такой подход особенно важен для планетарных исследований, где образцы часто ограничены, а прямой анализ невозможен. Разработанная система может использовать данные с компактных Рамановских спектрометров, уже используемых на марсоходах NASA Perseverance и планируемых для миссии Rosalind Franklin.

Работа показывает, 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.