När vi överväger sannolikheten att upptäcka en tekniskt avancerad utomjordisk livet, som det periodvis visas i filmer eller serier, uppstår en logisk fråga: "Om det finns, varför har vi inte hittat det ännu?". Och ofta är svaret att vi bara har undersökt en liten bråkdel av galaxen.
Men en annan anledning kan vara föråldrade och ineffektiva algoritmer som utvecklades för decennier sedan för de första datorerna och som inte klarar av bearbetningen av moderna datamängder. I en studie som Peter Ma, en student vid University of Toronto, genomförde tillsammans med forskare från SETI Institute (Search for Extraterrestrial Intelligence, ett projekt för att söka efter extraterrestrial civilisationer) och andra vetenskapliga institutioner, tillämpade tekniken för djup maskininlärning på en tidigare studerad datamängd om närliggande stjärnor.
Som ett resultat av att använda sitt eget neurala nätverk upptäckte forskare åtta tidigare oidentifierade signaler. "Totalt analyserade vi 150 TB data på 820 närliggande stjärnor i uppsättningen som analyserades med klassiska metoder 2017. Men sedan bestämde forskarna att det inte innehöll intressanta signaler, sa Peter Ma. – Idag utökar vi denna sökning till 1 miljon stjärnor med hjälp av ett teleskop MeerKAT och inte bara. Vi tror att sådant arbete kommer att bidra till att accelerera takten i våra upptäckter i strävan efter att svara på frågan "Är vi ensamma i universum?".
Projektet Search for Extraterrestrial Civilizations (SETI) letar efter bevis på liv bortom jorden genom att försöka upptäcka teknosignaturer, eller bevis på teknik som kan ha utvecklats av utomjordiska civilisationer. Den vanligaste metoden är att söka efter radiosignaler.
Radio är ett utmärkt sätt att skicka information över otroliga interstellära avstånd. Radiosignaler passera genom damm och gas som tränger igenom rymden med ljusets hastighet (cirka 20 XNUMX gånger snabbare än de bästa raketerna). Många SETI-projekt använder antenner för att fånga upp alla radiosignaler som teoretiskt skulle kunna sändas av utomjordiska civilisationer.
Denna studie granskade data som erhållits med hjälp av av Robert C. Byrd-teleskopet i Green Bank. Målet var att tillämpa nya tekniker för djupinlärning på en klassisk sökalgoritm för att producera mer exakta resultat. Efter att ha startat en ny algoritm och manuell omanalys av data för att bekräfta resultaten, fann forskarna signaler som hade flera nyckelegenskaper:
- Signalerna var smalbandiga, det vill säga de hade en smal spektral bredd, i storleksordningen flera Hz. Signaler som orsakas av naturfenomen är vanligtvis bredband
- Signalerna hade en drifthastighet som inte var noll. Signalkällan har viss acceleration i förhållande till mottagarna på jorden och är därför inte lokal för radioobservatoriet
- Signalerna kommer uppenbarligen inte från jorden. Signaler från den himmelska källan visas när vi riktar teleskopet mot målet och försvinner när vi flyttar bort det. Och radiostörningar förknippade med mänsklig aktivitet dyker vanligtvis upp konstant, eftersom deras källa är i närheten.
Astronomer från SETI-institutet tror att dessa resultat illustrerar kraften i att tillämpa moderna metoder för maskininlärning och datorseende på databehandling inom astronomi, och detta kommer att leda till nya upptäckter. Det nya tillvägagångssättet för analys skulle kunna göra det möjligt för forskare att mer effektivt förstå den data de samlar in och agera snabbt för att undersöka objekt igen.
Sedan experimenten SETI startade vid Green Bank Observatory 1960, hem till teleskopet som användes i det senaste arbetet, har framstegen gjort det möjligt för forskare att samla in mer data än någonsin tidigare. Den stora volymen kräver nya beräkningsverktyg för snabb bearbetning och analys för att upptäcka anomalier som kan vara bevis på utomjordisk intelligens. Användningen av ett nytt neuralt nätverk öppnar en ny sida i sökandet efter utomjordiskt liv.
Också intressant: