Google Cloud與NASA的前沿開發實驗室合作，利用模擬和機器學習技術搜索外星生命。

弄清楚外層空間可能存在的確切位置是非常重要的：并不總是清楚哪些特定的條件和材料是生存所必需的。換句話說，數百萬英里之外的世界或宇宙體是否具有必要的成分和定位并不是確定的，我們真正需要做的就是將地球作為案例研究。

科學家經常需要將來自不同行星和巖石的信息片段拼湊起來，以便猜測支持生命所需的理想條件。什么樣的人可以真正做的是更具體的世界模型，這些模型可能會促進生命，然后利用這些場景來過濾天體。如果外星球適合模型，它可能是生命的家園。

因此，Google Cloud的開發人員已經制作了可以支持生活的各種世界的模擬。第一個項目模擬了行星的大氣特性，例如其密度，溫度，化學成分，壓力和特定生物化合物的濃度。該軟件被稱為Atmos，旨在幫助科學家尋找可能帶有生命的行星，從與地球相似的大氣開始。

“有趣的是，Atmos從地球上發現的這些分子的濃度開始，然后以小增量調整濃度，以模擬有效無限數量的排列，在合理或物理穩定的范圍內，” 應用AI的技術總監Massimo Mascaro 說。

然后可以將這些模擬與真實數據進行比較，以評估給定行星可能存活的可能性。

天體生物學家最感興趣的是位于其母星周圍可居住區域的巖石系外行星，其表面可能存在液態水。

因此，來自谷歌和美國宇航局實驗室的第二個團隊已經建立了一個名為INARA的基于機器學習的工具，通過研究高分辨率望遠鏡圖像，可以識別巖石系外行星大氣層中的化合物。

為了開發這個軟件，brainiacs模擬了超過三百萬個行星的光譜特征，它們的大氣化學組成的指紋，并將它們標記為訓練卷積神經網絡（CNN）。因此，CNN可用于從美國宇航局開普勒太空船的大氣圖像和光線曲線中自動估算行星的化學成分。基本上，訓練神經網絡將望遠鏡圖像與化學成分聯系起來，因此，你展示了一組給定的圖像，它會吐出相關的化學成分 - 可以用來評估那些是否會導致生命爆發在現場。

INARA需要幾秒鐘才能找出可能存在于世界大氣中的生物化合物。“考慮到開普勒望遠鏡產生的數據集的規模，以及即將發射的過境系外行星測量衛星（TESS）衛星將返回地球的數據量更大，最大限度地縮短每顆行星的分析時間這項研究確保我們不會錯過任何可行的候選人，“馬斯卡羅總結道。