Un team di ricerca guidato da Michael Wong del Carnegie Institution for Science ha utilizzato l’intelligenza artificiale per identificare segni di vita in rocce antiche fino a 3,3 miliardi di anni. La tecnica ha rilevato tracce di fotosintesi in rocce sudafricane di 2,5 miliardi di anni, anticipando di 800 milioni di anni le precedenti evidenze biomolecolari. Lo studio, ripreso da Scientific American, è stato pubblicato su Proceedings of the National Academy of Sciences. La tecnica potrebbe permettere spingere indietro di oltre un miliardo di anni il limite temporale delle analisi biomolecolari.
Il team ha addestrato un sistema di machine learning su oltre 400 campioni analizzati tramite spettrometria di massa, ottenendo un’accuratezza superiore al 90% nel distinguere molecole di origine biologica da quelle abiotiche. Il metodo si basa sul riconoscimento di pattern molecolari degradati piuttosto che sulla ricerca di molecole intatte e rende possibile l’analisi di rocce più antiche di 2 miliardi di anni. Questo intervallo di tempo ha rappresentato finora un limite finora invalicabile, poichè i processi geologici alterano e cancellano le tracce biologiche.
La ricerca apre a nuove prospettive in particolare nel campo dell’astrobiologia. La tecnica potrebbe infatti essere implementata direttamente su rover planetari equipaggiati con spettrometri di massa, eliminando la necessità di riportare i campioni sulla Terra. Secondo Karen Lloyd, biogeochimica dell’Università della California del Sud, l’approccio rappresenta un modo “agnostico” di cercare tracce di vita, libero dagli assunti legati alla biologia terrestre. Il team di ricercatori prevede ora di testare il sistema su campioni ancora più antichi e diversificati, tra cui materiali di origine extraterrestre.
Leggi l’articolo completo: AI Uncovers Oldest-Ever Molecular Evidence of Photosynthesis su Scientific American
Immagine generata tramite DALL-E. Tutti i diritti sono riservati. Università di Torino (2025).
