人工智能无线电快速爆发,有助于更精确发现宇宙中智能生命迹象

新的检测标志着机器学习技术首次被用于直接检测快速无线电瞬态

2018年9月10日,加利福尼亚州山景城——Breakthrough Listen——发现宇宙中智能生命迹象的主动行动——的研究人员已经应用机器学习技术来检测来自“转发器”FRB 121102的72个新的快速无线电脉冲。快速射电爆发或FRB是射电发射的明亮脉冲,持续时间只有毫秒,被认为是起源于遥远的星系。大多数FRBS都在一次爆发中被目睹。相比之下,FRB 121102是迄今为止已知的唯一一个发射重复爆炸的探测器,包括在2017年用西弗吉尼亚州格林银行望远镜(GBT)进行的突破性侦听观测期间所看到的21个探测器。

这项研究结果已被《天体物理学杂志》接受,并将于2018年9月10日星期一在arXiv服务上公布。加州大学伯克利分校的博士生Gerry Zhang是本论文的主要作者,伯纳德·M·奥利弗(Bernard M.Oliver)博士,SETI研究所SETI主席,伯克利SETI研究中心主任和突破性倾听首席调查员,共同撰写了这篇论文。

121102的FRB起源于距地球30亿光年的矮星系,但是发射它们的物体的性质还不清楚。有许多理论,包括它们可以是由外星智慧生命开发的技术的签名。

2017年8月,加州大学伯克利分校SETI研究中心的听力科学小组在GBT使用数字仪器观测了FRB 121102五个小时。通过梳理400TB的数据,他们报告(在由伯克利SETI博士后研究员Vishal Gajjar领导的一篇论文中,Vishal Gajjar最近被《天体物理学杂志》[3]接受发表)总共21次爆发。在一个小时内都可见,这表明源在静止和疯狂活动之间交替。

现在,张和合作者开发了一种新的机器学习算法,并对2017年的GBT数据集进行了重新分析,发现原来没有检测到的另外72个突发。他们训练一种称为卷积神经网络的算法来识别Gajjar和合作者使用的经典搜索方法发现的突发,然后将其放宽在400TB数据集上以发现经典方法遗漏的突发。

“Gerry的工作令人兴奋,不仅因为它帮助我们更详细地理解FRB的动态行为,”SETI研究所的Bernard M.Oliver主席Andrew Siemion博士说,“还因为它显示了利用机器学习来检测经典alg遗漏的信号的承诺。”他接着说:“这些新技术已经提高了我们对来自外星技术的信号的敏感性。”

SETI研究所一直使用IBM Cloud和AI算法来分析由ATA射电望远镜捕获的2000多万个信号,使用机器学习的能力来大大改进如何识别和标记感兴趣的异常信号以便进一步检查。此外,SETI研究所的科学家们还利用IBM Cloud从感兴趣的系外行星(如TRAPPIST-1系统)中搜索宽带信号,从而允许ATA被用于全新的观测项目。由于具有非常宽的视场和史无前例的瞬时频率覆盖,ATA被很好地定位用于搜索宽带快速瞬变,包括FRB。

SETI研究所所长兼首席执行官比尔·戴蒙德(Bill Diamond)说:“这些结果暗示,可能存在大量的附加信号,表明我们目前的算法已经失效,并清楚地表明了将现代数据分析和人工智能工具应用于天文研究的力量。”他继续说:“将这些技术应用于寻找外星技术的证据,或技术预兆,是令人难以置信的令人信服的,与解决诱人的FRB现象。”

额外的FRB研究可以提供关于它们是否是外星技术的签名的线索。同时,SETI研究所对理解宇宙中生命的起源和性质的探索,以及智力的进化将继续下去。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180913A0VZ9H00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券