人工智能增强的生物性检测使用实验室样本的生物和微生物诱导的沉积物结构在一个受控的实验中
Florent Arrignon1, Liza Alexandra Fernandez2,3, Stéphanie Boulêtreau3
1MAD-Environnement, Nailloux, France.
Astrobiology
|May 30, 2025
概括
研究人员开发了一种AI分类器,用于检测沉积岩中的微生物生命特征. 人工智能准确地区分了生物和非生物样本,超过了人类对潜在火星探索的分类.
科学领域:
- 天体生物学 天体生物学
- 地质地质地质地质地质地
- 人工智能的人工智能
背景情况:
- 微生物诱导的沉积物结构 (MISS) 是沉积岩上潜在的生物特征.
- 在类似于诺亚时代火星条件下形成MISS.
- 了解生物形态反应是识别外星生命的关键.
研究的目的:
- 为了研究粘土-沙子基板中的生物地形学反应的变异性.
- 开发一种人工智能分类器,用于识别沉积结构中的微生物生命特征.
- 评估人工智能的表现与人类的分类.
主要方法:
- 用微生物和非生物对照进行受控实验室实验.
- 用3D摄影计量来创建详细的图像数据集.
- 关于地形变量和卷积神经网络 (CNN) 训练的多变量统计.
主要成果:
- 人工智能分类器准确地区分了生物和非生物样本.
- 人工智能成功地区分了不同的微生物菌株和生物质.
- 人工智能性能超过了盲人人类的分类,即使是灰度图像.
结论:
- 人工智能,特别是CNN,可以可靠地检测微生物诱导的沉积物结构.
- 这种人工智能方法对在外星环境 (包括火星) 中识别生物标志充满了希望.
- 建议进一步应用于陆地和火星MISS.


