Dieses zusammengesetzte Bild zeigt ein Infrarotbild des Saturn-Satelliten Titan, aufgenommen von der Cassini-Raumsonde der NASA Einige Messungen weisen darauf hin, dass Titan die höchste bewohnbare Bewertung in einer beliebigen Welt außer der Erde hat, die auf Energie basiert. Verfügbarkeit und verschiedene Oberflächen- und Atmosphäreneigenschaften Bildkredit: NASA / JPL / Universität von Arizona / Universität von Idaho
Das Team befindet sich im Zentrum des Roboter- und Nervensystems der University of Plymouth und hat dieses Netzwerk bereits "trainiert": Je nachdem, ob es sich um die Erde, die frühe Erde, den Mars, die Venus oder den Saturn-Satelliten Titan handelt, ist der Planet in fünf verschiedene Typen unterteilt. Typen: Diese fünf sind alle felsigen Körper, von denen bekannt ist, dass sie die Atmosphäre haben, und sie sind einer der bewohnbarsten Planeten im Sonnensystem Herr Bishop kommentierte: Wir sind jetzt an diesen ANN interessiert, weil sie an einem imaginären Smart Star sind. Das Raumschiff erkundet, dies ist ein Scan des extrasolaren Planetensystems.
Studieren Sie großflächige, entfaltbare, planare Fresnel-Antennen für den Einsatz bei der Rückkehr von entfernten interplanetaren Raumsonden zur Erde Wenn diese Technologie zukünftig in Roboter-Raumfahrzeugen eingesetzt werden würde, wäre dies notwendig Die fünf Sonnensystemobjekte des Spektrums wurden als Eingang in das Netzwerk genommen und mussten dann entsprechend dem Planetentyp klassifiziert werden: Da das bekannte Leben nur auf der Erde existiert, verwendet die Klassifikation die "Lebenswahrscheinlichkeits" -Metrik, die auf dem Planeten basiert Relativ gute atmosphärische und orbitale Eigenschaften für die fünf Arten von Zielen Bishop nutzt Hunderte von verschiedenen Spektrallinien aus, um das Netzwerk zu trainieren Jede Spektrallinie hat Hunderte von Parametern, die alle dazu beitragen, sich an das Leben anzupassen. Umwelt.
Diese Eingaben stellen die Werte aus dem Spektrum der Atmosphäre des Testplaneten dar. Die Ausgabeschicht enthält eine "Lebenswahrscheinlichkeit", die auf einem Maß der Ähnlichkeit der Eingaben zu den fünf Sonnensystemzielen basiert. Die Eingabe durchläuft eine Reihe von versteckten Schichten im Netzwerk Verbunden, so dass das Netzwerk "lernen" kann, welche Linienmuster zu bestimmten Arten von Planeten gehören Image Credit: Bishop / Plymouth University
Bis jetzt hat das Netzwerk gute Ergebnisse bei der Präsentation bisher noch nie da gewesener Spektralprofile von Tests erzielt, so Dr. Angelo Angelozi, der Direktor des Projekts: Unter Berücksichtigung der aktuellen Ergebnisse könnte sich diese Methode als geeignet erweisen Das Klassifizieren verschiedener Arten von Exoplaneten ist sehr nützlich.Sie verwenden Ergebnisse von terrestrischen und erdnahen Stationen.Diese Technik kann auch für die Auswahl von Zielen für zukünftige Beobachtungengeeignet sein, unter Berücksichtigung bevorstehender Weltraummissionen wie der ESA-Ariel-Weltraummission. Und NASA James Webb Space Telescope Spectral Details erhöht.