Life Beyond the Solar System: Remotely Detectable Biosignatures

[BjarneModerator Super Nova]

Life Beyond the Solar System: Remotely Detectable Biosignatures

This is a white paper that was submitted to the National Academies of Sciences Study: Astrobiology Science Strategy for the Search for Life in the Universe:

For the first time in human history, we will soon be able to apply the scientific method to the question “Are We Alone?” The rapid advance of exoplanet discovery, planetary systems science, and telescope technology will soon allow scientists to search for life beyond our Solar System through direct observation of extrasolar planets. This endeavor will occur alongside searches for habitable environments and signs of life within our Solar System. While the searches are thematically related and will inform each other, they will require separate observational techniques. The search for life on exoplanets holds potential through the great diversity of worlds to be explored beyond our Solar System. However, there are also unique challenges related to the relatively limited data this search will obtain on any individual world. This white paper reviews the scientific community’s ability to use data from future telescopes to search for life on exoplanets. This material summarizes products from the Exoplanet Biosignatures Workshop Without Walls (EBWWW). The EBWWW was constituted by a series of online and in person activities, with participation from the international exoplanet and astrobiology communities, to assess state of the science and future research needs for the remote detection of life on planets outside our Solar System.

 

[BjarneModerator Super Nova]

Målet med undersøgelsen af de mange exoplaneter er at finde en kvantitativ rangordning af sandsynligheden for at finde liv på en given planet. En sådan rangordning kræver både astronomiske observationer af biosignaturer og et omfattende samarbejde mellem mange forskellige videnskabsgrene. Hvidbogen slår fast, at dette kun kan lykkes, hvis man anvender en bayesisk rammestruktur (Framework), som skelner mellem tre typer sandsynligheder: (1) en apriori sandsynlighed P(liv|C) for liv i en given kontekst (C), som antages kendt før observationerne starter, (2) en sandsynlighed (likelihood) P(Data|C,liv) for at observere Data for en biosignatur givet forekomsten af liv i kontekst (C) og (3) en efterfølgende (posterior) sandsynlighed P(liv|Data,C) for liv i den givne kontekst C med de observerede Data for en biosignatur. Formlen ovenfor opdeler desuden planeterne i planeter med liv og med ¬ liv (ikke liv). Formlen benytter, at P(liv|C) + P(¬liv|C) = 1, en planet er enten med eller uden liv.

[BjarneModerator Super Nova]

En bayesisk slutning udleder den afsluttende (Posterior) sandsynlighed P(H|E) for hypotesen H givet beviset (evidence) E som produktet af en apriori sandsynlighed P(H) for hypotesen H og en “likelihood” funktion P(E|H) udledt ud fra en statistisk model for de observerede data, som optræder som evidence (E). Bayes’ teorem antager formen:

P(H | E) = P(E | H)⋅P(H)/P(E)

Man ser, at den afsluttende sandsynlighed P(H | E) er proportional med den aprioriske sandsynlighed P(H) for hypotesen H, idet de målte data opfattes som et fastholdt bevis (evidence) E.

Man kan splitte tillide til hypotesen H i 2 apriori sandsynligheder P(H) og P(¬H), så P(H) + P(¬H) = 1. Man får hermed to “likelihood” funktioner: P(E|H) og P(E|¬H). ¬ betyder ikke. Bayes’ teorem får med denne antagelse formen:

P(H | E) = P(E | H)P(H)/[P(E | H)P(H) + P(E | ¬H)P(¬H)]

 

[BjarneModerator Super Nova]

H er hypotesen om, at der er liv på planeten, hvorimod ¬H er hypotesen om, der intet liv findes på planeten. Likelihood funktionerne P(E|H) og P(E|¬H) kan antage mange forskellige former, som afhænger af modellerne for planeten, som kan involvere den geologiske udvikling, oceaner og deres placering, atmosfærens cirkulation, planetens rotation, stjernens astand og type, osv. Der er på ingen måde endnu udviklet en endelig bayesisk rammestruktur; formlerne er kun en skitse over muligheder. Bemærk: neurale netværk har aldrig været inde i billedet.

 

 

[BjarneModerator Super Nova]

En bayesisk slutning er et eksempel på et kausalt netwærk. Jeg har faktisk en bog af Judea Pearl med titlen:

CAUSALITY: Models, Reasoning, and Inference

Den er på ca 400 sider, og jeg har endnu ikke fået den læst. Jeg er ret sikker på, at hvidbogen har denne bog i tankerne. I modsætning til de neurale netværk har et kausalt netværk en indbygget tidsakse. Man ender altid med en endelig sandsynlighed for en hypotese. Resultatet afhænger desuden af en statistisk model som er baseret på en eller flere fysiske modeller. Den er derfor veldunderet i den fysiske verden.

 

[Forfatter]

Indlæg