Quando consideramos a probabilidade de detectar um tecnologicamente avançado extraterrestre vida, como é periodicamente mostrada em filmes ou séries, surge uma pergunta lógica: "Se existe, por que ainda não a encontramos?". E muitas vezes a resposta é que pesquisamos apenas uma pequena fração da galáxia.
Mas outro motivo pode ser algoritmos desatualizados e ineficientes que foram desenvolvidos décadas atrás para os primeiros computadores e que não conseguem lidar com o processamento de conjuntos de dados modernos. Em um estudo que Peter Ma, aluno de graduação da Universidade de Toronto, realizou em conjunto com cientistas do Instituto SETI (Search for Extraterrestrial Intelligence, um projeto de busca por extraterrestres civilizações) e outras instituições científicas, aplicaram a técnica de deep machine learning a um conjunto de dados previamente estudado sobre estrelas próximas.
Como resultado do uso de sua própria rede neural, os cientistas descobriram oito sinais não identificados anteriormente. "No total, analisamos 150 TB de dados em 820 estrelas próximas no conjunto que foi analisado por métodos clássicos em 2017. Mas então os cientistas decidiram que não continha sinais interessantes, disse Peter Ma. - Hoje, estamos expandindo essa busca para 1 milhão de estrelas com a ajuda de um telescópio MeerKAT e não só. Acreditamos que esse trabalho ajudará a acelerar o ritmo de nossas descobertas na busca de responder à pergunta "Estamos sozinhos no universo?".
O projeto Search for Extraterrestrial Civilizations (SETI) procura evidências de vida além da Terra, tentando detectar assinaturas tecnológicas ou evidências de tecnologia que podem ter sido desenvolvidas por civilizações extraterrestres. O método mais comum é procurar sinais de rádio.
O rádio é uma ótima maneira de enviar informações por distâncias interestelares incríveis. Sinais de rádio atravessam a poeira e o gás que permeiam o espaço na velocidade da luz (cerca de 20 vezes mais rápido que os melhores foguetes). Muitos projetos do SETI usam antenas para interceptar qualquer sinal de rádio que teoricamente poderia ser transmitido por civilizações extraterrestres.
Este estudo revisou os dados obtidos usando do Telescópio Robert C. Byrd em Green Bank. O objetivo era aplicar novas técnicas de aprendizado profundo a um algoritmo de busca clássico para produzir resultados mais precisos. Depois de iniciar um novo o algoritmo e reanálise manual dos dados para confirmar os resultados, os cientistas encontraram sinais que tinham várias características principais:
- Os sinais eram de banda estreita, ou seja, tinham largura espectral estreita, da ordem de vários Hz. Sinais causados por fenômenos naturais são geralmente de banda larga
- Os sinais tinham uma velocidade de deriva diferente de zero. A fonte de sinal tem alguma aceleração em relação aos receptores na Terra e, portanto, não é local para o observatório de rádio
- Os sinais claramente não são da Terra. Os sinais da fonte celeste aparecem quando apontamos o telescópio para o alvo e desaparecem quando o afastamos. E a interferência de rádio associada à atividade humana geralmente aparece constantemente, porque sua fonte está próxima.
Astrônomos do Instituto SETI acreditam que esses resultados ilustram o poder de aplicar métodos modernos de aprendizado de máquina e visão computacional ao processamento de dados em astronomia, e isso levará a novas descobertas. A nova abordagem de análise pode permitir que os pesquisadores entendam de forma mais eficaz os dados que coletam e ajam rapidamente para investigar os objetos novamente.
Desde os experimentos SETI iniciado no Green Bank Observatory em 1960, lar do telescópio usado no trabalho mais recente, o progresso permitiu que os pesquisadores coletassem mais dados do que nunca. O grande volume requer novas ferramentas computacionais para processamento e análise rápidos para detectar anomalias que podem ser evidências de inteligência extraterrestre. O uso de uma nova rede neural abre uma nova página na busca por vida extraterrestre.
Também interessante: