Используя алгоритм машинного обучения на наборе данных близлежащих звезд, исследователи обнаружили восемь сигналов, представляющих интерес для поиска внеземной жизни. Эти сигналы имеют специфические характеристики, которые делают их особенно интересными и которые ранее не рассматривались. Исследование показывает, что внедрение машинного обучения в анализ данных телескопов сделает поиск инопланетного разума более быстрым и эффективным.
Новый подход к анализу данных с использованием машинного обучения открывает новые горизонты в поиске внеземной жизни. Об этом свидетельствует последнее исследование, проведенное совместно с исследователями из Института SETI, который занимается поиском доказательств существования внеземного разума.
Исследование проводилось под руководством студента Питера Ма из Университета Торонто в сотрудничестве с научно-исследовательскими институтами со всего мира. Он применил метод глубокого обучения к 150 терабайтам данных от 820 близлежащих радиоисточников, обнаружив в ходе анализа 2017 года восемь ранее не идентифицированных сигналов, представляющих интерес.
Но он сказал: “Мы верим, что подобная работа поможет ускорить скорость, с которой мы сможем совершать открытия, в нашем огромном стремлении ответить на вопрос “одни ли мы во Вселенной?“”.
Применение машинного обучения к данным SETI
В ходе исследования были заново изучены данные, полученные с помощью телескопа Грин-Бэнк в Западной Вирджинии в рамках кампании проекта Breakthrough Listen. Цель заключалась в применении новых методов глубокого обучения к классическому алгоритму поиска для получения более быстрых и точных результатов.
После запуска нового алгоритма и ручного просмотра данных для подтверждения результатов, восемь из обнаруженных сигналов имели характеристики, которые делали их особенно интересными:
- Они были узкополосными, т.е. имели небольшую спектральную амплитуду, порядка нескольких Гц. Сигналы, вызванные естественными космическими явлениями, как правило, широкополосные.
- Они имели ненулевую скорость дрейфа, т.е. имели определенный “наклон”. Это может указывать на то, что возникновение сигнала было ускорено нашими приемниками на Земле.
- Они появились в наблюдениях ON-источника и не появились в наблюдениях OFF-источника, что необычно для небесного источника.
Хотя анализ данных с использованием методов машинного обучения еще не привел к обнаружению новых сигналов, этот подход позволит исследователям более эффективно и быстро разобраться в собранных данных. И действовать быстро, чтобы еще раз изучить особенно интересные цели.
Теперь Ма и его помощники хотят внедрить расширения этого алгоритма в систему COSMIC Института SETI. Огромный объем данных, собираемых наземными обсерваториями, требует новых вычислительных инструментов для быстрой обработки и анализа этих данных. Это позволит выявить любые аномалии, которые могут быть свидетельством наличия внеземного разума или других пока неизвестных явлений.
Источник: new-science.ru