Коли ми розмірковуємо про ймовірність виявлення технологічно розвиненого позаземного життя, яким його періодично показують у фільмах чи серіалах, виникає логічне питання: «Якщо воно існує, то чому ми його досі не знайшли?». І часто відповідь полягає в тому, що ми обстежили лише крихітну частину галактики.
Але ще однією причиною можуть бути застарілі та неефективні алгоритми, які розроблялися десятиліття тому для перших комп’ютерів і які не впораються з обробкою сучасних наборів даних. У дослідженні, яке студент бакалаврату Університету Торонто Пітер Ма проводив разом з науковцями Інституту SETI (Search for Extraterrestrial Intelligence, проєкт з пошуку позаземних цивілізацій) та інших наукових установ, застосували техніку глибинного машинного навчання до раніше вивченого набору даних про найближчі зірки.
В результаті використання власної нейронної мережі вчені виявили вісім раніше неідентифікованих сигналів. «Загалом ми проаналізували 150 ТБ даних про 820 найближчих зірок у наборі, який був проаналізований класичними методами у 2017 році. Але тоді науковці вирішили, що він не містить цікавих сигналів, – сказав Пітер Ма. – Сьогодні ми розширюємо цей пошук до 1 млн зірок за допомогою телескопа MeerKAT і не тільки. Ми віримо, що така робота допоможе прискорити темпи наших відкриттів у прагненні відповісти на питання «Чи самотні ми у Всесвіті?».
Фахівці проєкту з пошуку позаземних цивілізацій (SETI) шукають докази існування життя за межами Землі, намагаючись виявити техносигнатури, або докази технологій, які могли бути розроблені інопланетними цивілізаціями. Найпоширенішим методом є пошук радіосигналів.
Радіо – чудовий спосіб надсилати інформацію на неймовірні відстані між зірками. Радіосигнали проходять крізь пил і газ, які пронизують космос, зі швидкістю світла (приблизно у 20 тис. разів швидше, ніж найкращі ракети). Багато проєктів SETI використовують антени для перехоплення будь-яких радіосигналів, які теоретично можуть передавати представники позаземних цивілізацій.
У цьому дослідженні було переглянуто дані, отримані за допомогою телескопа Роберта К. Берда у Грін-Банку. Мета полягала в тому, щоб застосувати нові методи глибинного навчання до класичного алгоритму пошуку для отримання точніших результатів. Після запуску нового алгоритму і ручного повторного аналізу даних для підтвердження результатів вчені виявили сигнали, які мали кілька ключових характеристик:
- Сигнали були вузькосмуговими, тобто мали вузьку спектральну ширину, порядку декількох Гц. Сигнали, спричинені природними явищами, зазвичай широкосмугові
- Сигнали мали ненульову дрейфову швидкість. Джерело сигналу має деяке прискорення щодо приймачів на Землі, а отже, не є локальним для радіообсерваторії
- Сигнали явно не з Землі. Сигнали від небесного джерела з’являються, коли ми спрямовуємо телескоп на ціль, і зникають, коли ми його відводимо. А радіоперешкоди, пов’язані з людською діяльністю, зазвичай з’являються постійно, адже їхнє джерело знаходиться поруч.
Астрономи з Інституту SETI вважають, що ці результати ілюструють силу застосування сучасних методів машинного навчання і комп’ютерного зору для обробки даних в астрономії, і це призведе до нових відкриттів. Новий підхід до аналізу може дозволити дослідникам ефективніше розуміти дані, які вони збирають, і швидко діяти, щоб дослідити об’єкти ще раз.
Відколи експерименти SETI розпочалися в обсерваторії Грін-Банку в 1960 році, де знаходиться телескоп, використаний у новітній роботі, прогрес дозволив дослідникам збирати більше даних, ніж будь-коли раніше. Величезний обсяг вимагає нових обчислювальних інструментів для швидкої обробки та аналізу з метою виявлення аномалій, які можуть бути свідченням позаземного розуму. Використання нової нейронної мережі відкриває нову сторінку в пошуках позаземного життя.
Також цікаво: