AIが地球外生命探査を加速化

以前に、海底の金属塊から酸素の発生を発見した、というニュースを紹介しました。

これは地球の生命史にインパクトをあたえる発見です。特に、「酸素」の急速な発生は「大酸化イベント」ともいわれる生物のターニングポイントでした。従来は生物（シアノバクテリア）ありきだったそのイベントが、非生物からもたらされたかもしれない可能性が出てきました。

そしてこれは、地球にとどまらない地球外生物探索にも重要な意味を持ちます。

地球外生命探索の代表的な手法は、バイオマーカーとよばれる生物の痕跡となる元素解析です。

現時点でその結果が期待されているのが、３年前に打ち上げられたJWST（ジェイムズウェッブ宇宙望遠鏡）です。系外惑星の生命探索にも使われ、過去にも系外惑星発見のニュースは届けられました。過去記事を１つ紹介します。

その地球外生命探索の新たな進展が報告されています。

Scientists use AI to expedite search for habitable exoplanets

ようは、
AIを使って従来より効率的にバイオマーカーを見つけることができる、
というはなしです。

JWSTは従来より精緻なデータを送ってくれますが、実は何度も同じ惑星を往復しないと、バイオマーカーの解析は困難です。

特に、生命の痕跡があるということは、大気がある可能性も高く、その大気が光（JWSTの目に相当）の進行を妨げます。（レイリー散乱と呼ばれます）

例えば、生命存在の可能性が期待される近場の惑星として、TRAPPIST-1e が知られています。過去記事を載せておきます。

この候補惑星から統計的に有意な検出を得るには最大 200 回の通過が必要になるという過去の研究もあります。

JWSTは公式な計画としては５年間しか猶予がなく、すでに折り返し地点を過ぎています。（ただ性能としては20年ほど稼働すると見込まれています）

そう考えると、なかなか地球外探索は現実的に難しいと感じますが、今回その回数を減らすことができる新しいAI（機械学習）の開発に成功しました。

その学習データが、上記のTRAPPIST-1eと地球の（初期生命が存在した）原始モデルです。

これには、冒頭でふれた「暗黒酸素」、つまり無機物による酸素発生イベントも考慮しているようです。

今回のJWSTに限らず、今後のさらなる強力な望遠鏡にもこのAIが活躍するかもしれません。

まさに、多分野の研究成果が繋がって新しいイノベーションが生まれようとしています。

近い未来に、この最新の解析方法で地球外生命体発見のニュースが舞い降りてくるかもしれません。