人工智能帮助科学家分析宇宙射线

【概要】美国加州大学伯克利分校的科研人员利用人工智能技术发现了72次宇宙射线爆发。

人工智能正在侵入许多领域，最近正被用于天文学和寻找宇宙中的智慧生命，即SETI计划（搜索地外文明计划，Search for Extra-Terrestrial Intelligence）。Breakthrough Listen是由加州大学伯克利分校领导的一个SETI项目，其研究人员现在已经使用机器学习技术从距离地球约30亿光年的神秘光源中发现了72次新的快速无线电爆发现象。

快速无线电爆发是指无线电发射的明亮脉冲，持续时间仅为几毫秒，被认为来自遥远的星系。然而，这些射线的来源仍不清楚。现有理论一般解释为来自受到附近超大质量黑洞气流爆破的高度磁化的中子星，也有人认为其爆破特性与某个先进文明建立的技术特征一致。

Andrew Siemion是伯克利SETI研究中心和旨在寻找宇宙智慧生命迹象的Breakthrough Listen计划的首席研究员。他表示：“这项工作是令人兴奋的，不仅因为它有助于我们更详细地了解快速无线电爆发的动态行为，而且还因为它显示出机器学习具有检测经典算法错过的信号的前景。”

Breakthrough Listen同时也在使用成熟的机器学习算法来寻找可能的来自地外文明的新型信号。大多数的快速无线电爆发是一次性的，因此FRB 121102爆发源的反复爆发是独一无二的。这种行为引起了许多天文学家的注意，希望能够确定快速无线电爆发的诱因和极端物理原理。

AI算法从望远镜在5小时内记录的数据中挖掘出了这些无线电信号的。在早期针对400TB数据的一次分析中，科学家们采用标准的计算机算法找到了在此期间的21次爆发。伯克利SETI研究中心博士后研究员Vishal Gajjar表示，所有现象都出现在一小时之内，这表明该爆发源的状态在静止和极度活跃之间交替变化。

随后，加州大学伯克利分校博士生Gerry Zhang与其合作者们开发了一种新的功能强大的机器学习算法，并重新分析了2017年的数据，发现了另外72次最初未检测到的爆发。这使得从2012年首次检测到FRB 121102爆发以来，其爆发总次数达到300次左右。Zhang说：“这项工作只是使用这些强大的方法来发现无线电爆发的一个开始。我们希望我们的成功能够为将机器学习用于射电天文学的其他更重要工作提供灵感。”

在Zhang的团队使用的技术中，有一些被互联网技术公司用于优化搜索结果和分类图像。他们训练了一种称为卷积神经网络的算法，以识别由Gajjar和其协作者们使用经典搜索方法发现的爆发，然后将其用于处理该数据集，以期找到经典方法遗漏的爆发。

这些结果帮助对来自FRB 121102的脉冲的周期性提出了新的限制，这表明接收这些脉冲的模式是不规则的，至少当该模式的周期大于约10毫秒的时候（是不规则的）。来自脉冲星的脉冲模式已经帮助天文学家对描述这些物体中极端物理条件的计算机模型进行了限制，与此类似，对FRB爆发源的测量将有助于我们弄清楚这些神秘爆发源的能量来源，Siemion说。“无论FRB本身最终是否是外星技术的杰作，Breakthrough Listen正在帮助我们将理解我们所处的宇宙这样一个快速增长的新领域不断推向前进，”他补充说。这些结果被发表在The Astrophysical Journal上的一篇文章中。