기술적으로 진보된 것을 탐지할 확률을 고려할 때 외계인 인생은 영화나 시리즈에서 주기적으로 보여지므로 "존재한다면 왜 아직 발견하지 못했을까?"라는 논리적 질문이 제기됩니다. 그리고 종종 대답은 우리가 은하계의 아주 작은 부분만을 조사했다는 것입니다.
그러나 또 다른 이유는 최초의 컴퓨터를 위해 수십 년 전에 개발되었고 최신 데이터 세트 처리에 대처할 수 없는 구식이고 비효율적인 알고리즘일 수 있습니다. 토론토 대학의 학부생인 Peter Ma가 SETI 연구소의 과학자들과 함께 수행한 연구에서(Search for Extraterrestrial Intelligence, 외계 생명체 탐사 프로젝트) 문명) 및 기타 과학 기관은 가까운 별에 대해 이전에 연구된 데이터 세트에 딥 머신 러닝 기술을 적용했습니다.
자체 신경망을 사용한 결과 과학자들은 이전에 확인되지 않은 150개의 신호를 발견했습니다. "우리는 820년에 고전적인 방법으로 분석한 집합에서 2017개의 가까운 별에 대한 총 1TB의 데이터를 분석했습니다. 그러나 과학자들은 흥미로운 신호가 포함되어 있지 않다고 결정했다고 Peter Ma는 말했습니다. - 오늘 우리는 망원경의 도움으로 이 검색을 만 개의 별까지 확장하고 있습니다. 미어캣 뿐만 아니라. 우리는 이러한 작업이 "우주에 우리만 존재하는가?"라는 질문에 대한 답을 찾기 위한 발견의 속도를 높이는 데 도움이 될 것이라고 믿습니다.
외계 문명 탐사(SETI) 프로젝트는 외계 문명에 의해 개발되었을 수 있는 기술의 증거 또는 기술 서명을 탐지하여 지구 너머 생명체의 증거를 찾습니다. 가장 일반적인 방법은 무선 신호를 검색하는 것입니다.
라디오는 놀라운 성간 거리에 걸쳐 정보를 보내는 좋은 방법입니다. 무선 신호 빛의 속도(최고의 로켓보다 약 20배 빠름)로 우주에 스며드는 먼지와 가스를 통과합니다. 많은 SETI 프로젝트는 이론적으로 외계 문명이 전송할 수 있는 무선 신호를 가로채기 위해 안테나를 사용합니다.
이 연구는 사용하여 얻은 데이터를 검토했습니다. Green Bank의 Robert C. Byrd 망원경. 목표는 보다 정확한 결과를 생성하기 위해 고전적인 검색 알고리즘에 새로운 딥 러닝 기술을 적용하는 것이었습니다. 새로운 일을 시작한 후 연산 결과를 확인하기 위해 데이터를 수동으로 재분석한 결과 과학자들은 다음과 같은 몇 가지 주요 특성을 가진 신호를 발견했습니다.
- 신호는 협대역, 즉 수 Hz 정도의 좁은 스펙트럼 폭을 가졌습니다. 자연 현상으로 인한 신호는 일반적으로 광대역입니다.
- 신호는 이 아닌 드리프트 속도를 가졌습니다. 신호 소스는 지구상의 수신기에 비해 약간의 가속도를 가지므로 전파 천문대에 국한되지 않습니다.
- 신호는 분명히 지구에서 온 것이 아닙니다. 천체의 신호는 우리가 망원경을 목표물에 향하게 할 때 나타나고 우리가 그것을 멀리 옮기면 사라집니다. 그리고 인간 활동과 관련된 무선 간섭은 일반적으로 소스가 근처에 있기 때문에 지속적으로 나타납니다.
SETI 연구소의 천문학자들은 이러한 결과가 천문학의 데이터 처리에 기계 학습 및 컴퓨터 비전의 현대적인 방법을 적용하는 힘을 보여주고 이것이 새로운 발견으로 이어질 것이라고 믿습니다. 분석에 대한 새로운 접근 방식을 통해 연구원은 수집한 데이터를 보다 효과적으로 이해하고 개체를 다시 조사하기 위해 신속하게 조치를 취할 수 있습니다.
실험 이후 SETI 최신 작업에 사용된 망원경이 있는 1960년 그린 뱅크 천문대에서 시작된 진보는 연구원들이 그 어느 때보다 더 많은 데이터를 수집할 수 있게 해주었습니다. 외계 지능의 증거가 될 수 있는 이상 현상을 탐지하기 위해 엄청난 양의 신속한 처리 및 분석을 위한 새로운 계산 도구가 필요합니다. 새로운 신경망을 사용하면 외계 생명체 탐색에 새로운 장을 열 수 있습니다.
또한 흥미로운: