وقتی احتمال تشخیص یک فناوری پیشرفته را در نظر می گیریم فرازمینی زندگی، همانطور که به طور دوره ای در فیلم ها یا سریال ها نشان داده می شود، یک سوال منطقی مطرح می شود: "اگر وجود دارد، چرا ما هنوز آن را پیدا نکرده ایم؟" و اغلب پاسخ این است که ما فقط بخش کوچکی از کهکشان را بررسی کردهایم.
اما دلیل دیگر ممکن است الگوریتمهای قدیمی و ناکارآمدی باشد که دههها پیش برای اولین رایانهها ایجاد شدهاند و نمیتوانند با پردازش مجموعه دادههای مدرن کنار بیایند. در مطالعه ای که پیتر ما، دانشجوی کارشناسی در دانشگاه تورنتو، به همراه دانشمندان موسسه SETI (جستجوی هوش فرازمینی، پروژه ای برای جستجوی فرازمینی ها) انجام داد. تمدن ها) و سایر مؤسسات علمی، تکنیک یادگیری ماشینی عمیق را در مجموعه دادههایی که قبلاً در مورد ستارگان نزدیک مطالعه شده بود، به کار بردند.
در نتیجه استفاده از شبکه عصبی خود، دانشمندان هشت سیگنال ناشناخته را کشف کردند. در مجموع، ما 150 ترابایت داده 820 ستاره مجاور را در مجموعه ای که با روش های کلاسیک در سال 2017 تجزیه و تحلیل شد، تجزیه و تحلیل کردیم. پیتر ما گفت، اما پس از آن دانشمندان به این نتیجه رسیدند که حاوی سیگنال های جالبی نیست. - امروز با کمک تلسکوپ در حال گسترش این جستجو به 1 میلیون ستاره هستیم MeerKAT و نه تنها ما معتقدیم که چنین کاری به سرعت بخشیدن به اکتشافات ما در تلاش برای پاسخ به این سوال کمک می کند که "آیا ما در جهان تنها هستیم؟".
پروژه جستجوی تمدنهای فرازمینی (SETI) با تلاش برای شناسایی نشانههای فناوری یا شواهدی از فناوری که ممکن است توسط تمدنهای فرازمینی توسعه یافته باشد، به دنبال شواهدی از حیات فراتر از زمین است. رایج ترین روش جستجو برای سیگنال های رادیویی است.
رادیو راهی عالی برای ارسال اطلاعات در فواصل بین ستارهای باورنکردنی است. سیگنال های رادیویی از میان غبار و گازی که با سرعت نور در فضا نفوذ می کند (حدود 20 برابر سریعتر از بهترین موشک ها) عبور کنید. بسیاری از پروژههای SETI از آنتنها برای رهگیری سیگنالهای رادیویی استفاده میکنند که از نظر تئوری میتواند توسط تمدنهای فرازمینی منتقل شود.
این مطالعه به بررسی داده های به دست آمده با استفاده از تلسکوپ رابرت سی برد در گرین بانک. هدف استفاده از تکنیک های جدید یادگیری عمیق در یک الگوریتم جستجوی کلاسیک برای تولید نتایج دقیق تر بود. پس از شروع یک مورد جدید الگوریتم و با تجزیه و تحلیل مجدد دستی داده ها برای تأیید نتایج، دانشمندان سیگنال هایی را یافتند که چندین ویژگی کلیدی داشتند:
- سیگنال ها باند باریک بودند، یعنی دارای عرض طیفی باریکی از مرتبه چند هرتز بودند. سیگنال های ناشی از پدیده های طبیعی معمولا پهن باند هستند
- سیگنال ها دارای سرعت رانش غیر صفر بودند. منبع سیگنال نسبت به گیرنده های روی زمین شتاب خاصی دارد و بنابراین محلی برای رصدخانه رادیویی نیست.
- سیگنال ها به وضوح از زمین نیستند. هنگامی که تلسکوپ را به سمت هدف می گیریم سیگنال های منبع آسمانی ظاهر می شوند و زمانی که آن را دور می کنیم ناپدید می شوند. و تداخل رادیویی مرتبط با فعالیت انسانی معمولاً به طور مداوم ظاهر می شود، زیرا منبع آنها در نزدیکی است.
اخترشناسان موسسه SETI معتقدند که این نتایج نشان دهنده قدرت به کارگیری روش های مدرن یادگیری ماشین و بینایی کامپیوتری برای پردازش داده ها در نجوم است و این منجر به اکتشافات جدید خواهد شد. رویکرد جدید به تجزیه و تحلیل می تواند به محققان اجازه دهد تا به طور مؤثرتر داده هایی را که جمع آوری می کنند درک کنند و برای بررسی مجدد اشیاء سریع عمل کنند.
از زمان آزمایشات SETI در رصدخانه گرین بنک در سال 1960، خانه تلسکوپ مورد استفاده در آخرین کار، شروع شد، پیشرفت به محققان این امکان را داده است که داده های بیشتری را نسبت به قبل جمع آوری کنند. حجم زیاد به ابزارهای محاسباتی جدیدی برای پردازش و تجزیه و تحلیل سریع برای شناسایی ناهنجاری هایی که ممکن است شواهدی از هوش فرازمینی باشد، نیاز دارد. استفاده از یک شبکه عصبی جدید صفحه جدیدی را در جستجوی حیات فرازمینی باز می کند.
همچنین جالب: