Поиск атмосферных биологических маркеров на экзопланетах земного типа является одной из самых актуальных задач в современной наблюдательной астробиологии. Обнаружение биогенных газов на таких планетах требует высокого разрешения и длительного времени интеграции. Новая работа, опубликованная на сервере препринтов arxiv.org, предлагает общую методологию машинного обучения для классификации спектров пропускания с низким отношением сигнал-шум, что может значительно оптимизировать использование ресурсов космического телескопа «Джеймс Уэбб» (JWST) для поиска биосигнатур.
В исследовании разработана и протестирована методология, предназначенная для классификации спектров пропускания в соответствии с их потенциалом содержать биосигнатуры. Для этой цели авторы обучили набор моделей, способных классифицировать шумные спектры пропускания, как содержащие метан, озон или воду (мультивариантная классификация) или просто как представляющие интерес для последующих наблюдений (бинарная классификация).
