Kun otetaan huomioon todennäköisyys havaita teknisesti edistynyt avaruusolento elämästä, kuten sitä ajoittain esitetään elokuvissa tai sarjoissa, herää looginen kysymys: "Jos se on olemassa, miksi emme ole vielä löytäneet sitä?". Ja usein vastaus on, että olemme tutkineet vain pienen osan galaksista.
Mutta toinen syy voi olla vanhentuneet ja tehottomat algoritmit, jotka kehitettiin vuosikymmeniä sitten ensimmäisille tietokoneille ja jotka eivät kestä nykyaikaisten tietokokonaisuuksien käsittelyä. Tutkimuksessa, jonka Toronton yliopiston perustutkinto-opiskelija Peter Ma suoritti yhdessä SETI-instituutin tutkijoiden kanssa (Search for Extraterrestrial Intelligence, projekti maan ulkopuolisten asioiden etsimiseksi). sivilisaatioita) ja muut tieteelliset laitokset sovelsivat syvän koneoppimisen tekniikkaa aiemmin tutkittuun datajoukkoon läheisistä tähdistä.
Oman hermoverkkonsa käytön seurauksena tutkijat löysivät kahdeksan aiemmin tunnistamatonta signaalia. "Kaiken kaikkiaan analysoimme 150 TB dataa 820 läheisestä tähdestä sarjassa, joka analysoitiin klassisilla menetelmillä vuonna 2017. Mutta sitten tutkijat päättivät, että se ei sisältänyt mielenkiintoisia signaaleja, sanoi Peter Ma. - Tänään laajennamme tätä hakua kaukoputken avulla 1 miljoonaan tähteen MeerKAT eikä vain. Uskomme, että tällainen työ auttaa nopeuttamaan löytöjemme vauhtia pyrkiessämme vastaamaan kysymykseen "Olemmeko yksin maailmankaikkeudessa?".
Search for Extraterrestrial Civilizations (SETI) -projekti etsii todisteita elämästä Maan ulkopuolella yrittämällä havaita teknosignatuureja tai todisteita teknologiasta, jonka maan ulkopuoliset sivilisaatiot ovat saattaneet kehittää. Yleisin tapa on etsiä radiosignaaleja.
Radio on loistava tapa lähettää tietoa uskomattomille tähtienvälisille etäisyyksille. Radiosignaalit kulkevat avaruuteen läpäisevän pölyn ja kaasun läpi valon nopeudella (noin 20 XNUMX kertaa nopeammin kuin parhaat raketit). Monet SETI-projektit käyttävät antenneja siepatakseen radiosignaaleja, joita maan ulkopuoliset sivilisaatiot voisivat teoriassa lähettää.
Tässä tutkimuksessa tarkasteltiin käyttäen saatuja tietoja Robert C. Byrdin teleskooppi Green Bankissa. Tavoitteena oli soveltaa uusia syväoppimistekniikoita klassiseen hakualgoritmiin tarkempien tulosten saamiseksi. Uuden aloittamisen jälkeen algoritmi ja tietojen manuaalinen uudelleenanalyysi tulosten vahvistamiseksi, tutkijat löysivät signaaleja, joilla oli useita keskeisiä ominaisuuksia:
- Signaalit olivat kapeakaistaisia, eli niillä oli kapea spektrileveys, useiden hertsien luokkaa. Luonnonilmiöiden aiheuttamat signaalit ovat yleensä laajakaistaisia
- Signaaleilla oli nollasta poikkeava ryömintänopeus. Signaalilähteellä on jonkin verran kiihtyvyyttä suhteessa maan päällä oleviin vastaanottimiin, joten se ei ole paikallinen radioobservatoriolle
- Signaalit eivät selvästikään ole maasta. Taivaanlähteen signaalit ilmestyvät, kun osoitamme kaukoputken kohteeseen, ja katoavat, kun siirrämme sen pois. Ja ihmisen toimintaan liittyvät radiohäiriöt näkyvät yleensä jatkuvasti, koska niiden lähde on lähellä.
SETI-instituutin tähtitieteilijät uskovat, että nämä tulokset havainnollistavat nykyaikaisten koneoppimisen ja tietokonenäön menetelmien soveltamista tähtitieteen tietojenkäsittelyyn, ja tämä johtaa uusiin löytöihin. Uusi lähestymistapa analyysiin voisi antaa tutkijoille mahdollisuuden ymmärtää paremmin keräämänsä tiedot ja toimia nopeasti tutkiakseen kohteita uudelleen.
Kokeista lähtien SETI aloitettiin Green Bank Observatoryssa vuonna 1960, jossa sijaitsee viimeisimmässä työssä käytetty teleskooppi, ja edistyminen on antanut tutkijoille mahdollisuuden kerätä enemmän tietoa kuin koskaan ennen. Suuri määrä vaatii uusia laskennallisia työkaluja nopeaan prosessointiin ja analysointiin, jotta voidaan havaita poikkeavuuksia, jotka voivat olla todisteita maan ulkopuolisesta älykkyydestä. Uuden hermoverkon käyttö avaa uuden sivun maan ulkopuolisen elämän etsinnässä.
Mielenkiintoista myös: