Dünya dışı yaşam aramasında istatistik ve makine öğrenmesi

İnsanlık yıldızlara bakıp yalnız olup olmadığını yüzyıllardır soruyor. Bugün bu soruya yanıt arayan teleskoplar ve uzay araçları çok büyük miktarda veri topluyor. Bazı bilim insanlarına göre bu veri yığınını anlamlandırmanın en umut verici yolu istatistik ve makine öğrenmesinden geçiyor.

Aranacak hedef sayısı hızla büyüyor

Güneş Sistemi'nin dışında bilinen 6366 ötegezegen var. Hem Samanyolu'nda hem de ötesinde 8100'den fazla aday gezegen de sırada bekliyor. Astrobiyologlar zeki yaşam ya da basit yaşam fark etmeksizin radyo, optik ve kızılötesi sinyaller gibi çeşitli izler arıyor. En önemli arayış alanı ise biyoimzalar. Bu terim, biyolojik kökenli olabilecek bir madde ya da yapıyı anlatıyor. Son dönemde ötegezegen atmosferlerinde, geçmiş ya da süren teknolojik faaliyetin işareti sayılan tekno-imzalar da aranıyor.

LifeTracer nasıl çalışıyor?

NASA ile Georgia Teknoloji Enstitüsü'nden araştırmacıların geliştirdiği LifeTracer, makine öğrenmesi tabanlı bir çerçeve. Amacı, biyolojik süreçlerde oluşan molekülleri biyolojik olmayan süreçlerde oluşanlardan ayırmak. Yöntem, mevcut ve gelecekteki gezegen görevlerinin getireceği örnekleri çözümlemek için tasarlandı. Çalışma PNAS Nexus dergisinde yayımlandı.

Ekip sisteme önce göktaşlarına ait örüntüleri, yani abiyotik malzemeleri, ardından Dünya'daki jeolojik örneklerin örüntülerini, yani biyotik malzemeleri öğretti. Sonra sistemi daha önce görmediği örnekleri sınıflandırmak için kullandı. NASA Goddard Uzay Uçuş Merkezi'nden astrokimyager José Aponte'ye göre LifeTracer, astrobiyolojideki temel bir sorundan doğdu: Gezegen malzemelerinde bulunan organik bileşiklerin biyolojik mi yoksa biyolojik olmayan süreçlerden mi geldiğini belirlemek.

Aponte ve meslektaşları sekiz karbonlu göktaşı ile 10 karasal jeolojik örneği inceledi. Bunun için yüksek çözünürlüklü uçuş zamanlı kütle spektrometresine bağlı iki boyutlu gaz kromatografisini kullandılar. Hedef, organik moleküllerin genel dağılımındaki ince örüntüleri bulmaktı.

Neden önemli?

Yaşam izi aramanın en zor yanı, tek bir molekülün varlığının çoğu zaman kesin bir kanıt sayılmamasıdır. Birçok organik bileşik, yaşam olmadan da oluşabilir. Göktaşlarında da amino asitler dahil çeşitli organik maddeler bulunur. Bu yüzden tek tek maddelere bakmak yerine karışımın genel kimyasal dağılımına bakmak, yanlış pozitif riskini azaltmak için mantıklı bir yaklaşım olabilir.

İstatistiksel yöntemler ayrıca belirsizliğin ölçülmesine olanak tanır. Bir sinyalin biyolojik kökenli olma olasılığını sayısal biçimde ifade etmek, "yaşam bulundu" türünden aceleci iddiaların önüne geçebilir. Teleskop verileri büyüdükçe, insan gözüyle tek tek incelemek de olanaksızlaşır. Makine öğrenmesi bu noktada eleme ve sınıflandırma işini hızlandırabilir. Ancak bir modelin yalnızca eğitildiği örneklerden öğrendiği unutulmamalı. Eğitim verisi yeterince çeşitli değilse, Dünya dışında karşılaşılacak beklenmedik kimya yanlış sınıflanabilir.

Sınırlar ve beklentiler

Burada sekiz göktaşı ve 10 yer örneğinden söz edildiği için çalışmanın ilk adım niteliğinde olduğu söylenebilir. Yöntemin gücü, yeni görevlerle getirilecek örnekler ve daha geniş veri kümeleriyle sınanınca netleşecek. Yine de araştırmacıların yönelimi açık: Yaşamı arama işi artık yalnızca daha güçlü teleskoplara değil, eldeki veriden daha akıllıca sonuç çıkaran yöntemlere de dayanıyor.