当考虑的概率发现先进的外星生命,经常出现的问题是,“如果他们,为什么我们没有发现他们了吗?”And often, the response is that we have only searched a tiny portion of the galaxy. Further, algorithms developed decades ago for the earliest digital computers can be outdated and inefficient when applied to modern petabyte-scale datasets. Now, research published in自然天文学,由多伦多大学的本科学生,彼得•马随着搜寻地外文明研究所的研究人员,突破听和科研机构在世界各地,有深度学习技术应用于先前研究的数据集附近的恒星和发现八个未知感兴趣的信号。
“总的来说,我们已经在820附近的恒星150 TB的数据,数据集,曾在2017年由古典技巧但贴上缺乏有趣的信号,”彼得说,第一作者。“我们扩展搜索努力今天猫鼬望远镜和超过100万颗恒星。我们相信,这样的工作将有助于加快速度,我们可以发现在我们的大努力回答这个问题我们在宇宙中是孤家寡人吗?”
想要更多的最新消息?
订阅188金宝搏备用的日常通讯,提供每天打破科学消息直接发送到您的收件箱中。
免费订阅寻找外星智能(SETI)寻找外星智慧的证据来自地球以外试图检测technosignatures,或技术的证据,外星文明可能发达。最常见的方法是搜索无线信号。无线电是一个伟大的方式发送信息的不可思议的星星之间的距离;它迅速穿过尘埃和气体渗透空间,和它在光的速度(大约20000倍于我们最好的火箭)。许多SETI搜索使用天线偷听任何无线电信号的外星人可能传输。
这项研究审查数据用绿色银行望远镜在西弗吉尼亚州的突破听运动,最初表示不感兴趣的目标。目标是新的深度学习技术应用于经典搜索算法取得更快、更准确的结果。在运行新算法和手动重新审视数据后确认结果,最新发现的信号有几个主要特征:
- 窄带信号,这意味着他们有窄光谱宽度,几个赫兹的顺序。由于自然现象往往是宽带信号。
- 信号的零漂移率,这意味着信号斜率。这样的斜坡可以显示一个信号的来源有一些与我们的接收器相对加速度,因此不当地无线电天文台。
- 信号出现在源观察而不是OFF-source观察。如果一个信号来源于特定天体源,似乎当我们我们的望远镜指向目标消失后,当我们把目光移开。人类的无线电干扰通常出现在了观测源被关闭。
樱桃Ng,马的另一个研究顾问和一个天文学家SETI研究院和法国国家科学研究中心说,“这些结果大大说明了应用现代机器学习和计算机视觉方法的力量在天文数据的挑战,导致新检测和更高的性能。大规模的应用这些技术将转型为电台technosignature科学。”
虽然组织复查这些感兴趣的新目标尚未导致re-detections这些信号,这种新方法分析数据可以使研究人员能够更有效地理解所收集的数据和迅速行动重新审视目标。马博士和他的顾问樱桃Ng期待部署扩展这个算法的SETI的宇宙系统。
自SETI始于1960年,弗兰克·德雷克的奥兹玛项目Greenbank天文台,网站现在家庭使用的望远镜在最近的工作,技术的进步使得研究人员收集更多的数据比以往任何时候都。这种海量数据需要新的计算工具来处理和分析数据快速识别异常,可能是外星智慧的证据。这一新的机器学习方法是打破新地面为了回答这个问题,“我们是孤独的吗?”
参考马:PX, Ng C, Rizk L, et al .深度学习搜索technosignatures从820年附近的恒星。Nat阿斯特朗。1月30日在线发表2023:1-11。doi:10.1038 / s41550 - 022 - 01872 - z
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
