Generale

Umjetna inteligencija pomaže istraživačima u pronalaženju kozmičkih rafalnih rafala


AI sistemi pomažu timu astronoma da nanjuši korijen nekoliko misterioznih radio rafala koji dolaze iz svemirskih dubina.

Istraživači sa Univerziteta u Kaliforniji Berkeley stavljaju softver za mašinsko učenje u Project Breakthrough Listen, projekat posvećen potrazi za inteligentnim životom u svemiru (aka SETI). Oprema je pomogla timu da pronađe 72 kratka radio rafala sa udaljenog izvora udaljenog oko 3 milijarde svjetlosnih godina od Zemlje.

Astronomi još ne znaju izvor emisije. Ali umjetna inteligencija pomaže im u stvaranju informisanijih teorija o tome gdje bi to moglo biti. Njihove trenutne teorije uključuju magnetizirane neutronske zvijezde eksplodirane strujama plina koje dolaze iz obližnje crne rupe ili tehnologije razvijene od galaksija naprednih civilizacija daleko od Mliječnog puta.

Da, novi algoritam mašinskog učenja koristi se za traženje znakova inteligentnog života negdje drugdje u kosmosu.

"Ovaj rad je uzbudljiv ne samo zato što nam pomaže da detaljnije shvatimo dinamičko ponašanje brzih rafala, već i zbog obećanja koje pokazuje za upotrebu mašinskog učenja za otkrivanje signala propuštenih klasičnim algoritmima", rekao je Andrew Siemion, direktor istraživački centar Berkeley SETI. Siemion takođe služi kao glavni istražitelj za Breakthrough Listen, inicijativu za pronalaženje znakova inteligentnog života u svemiru.

Tražim obrasce u radio rafalima

Brzi, kratki radio naleti nisu rijetkost. Međutim, oni su često jednokratni, a ne ponovljeni slučajevi. Ova posebna serija radio-rafala je različita. Nekoliko astronoma pokušalo je otkriti fiziku i precizno mjesto rafala zbog njihove ponavljane prirode.

Algoritmi AI prikupljali su radio signale iz podataka snimljenih tokom petosatnog prozora pomoću teleskopa Green Bank u zapadnoj Virginiji 26. avgusta 2017.

Ukupno je AI prikupio 400 terabajta podataka iz standardnih računarskih algoritama. U tim podacima algoritam je identificirao 21 rafal. Analiza tih podataka sugerisala je istraživačima da izvor izmjenjuje "periode mirovanja i pomamne aktivnosti", prema istraživanju SETI postdoktorata Vishalu Gajjaru.

Međutim, istraživači su željeli dublje kopati.

Doktorand UC Berkeley Gerry Zhang i drugi istraživači razvili su novi algoritam mašinskog učenja posebno dizajniran za ponovnu analizu podataka iz 2017. godine. Pronašli su još 72 rafala koji nisu prvobitno uočeni u prvoj rundi.

Zahvaljujući algoritmu AI, sada postoji 300 otkrivenih rafala povezanih s misterioznim izvorom.

Šta ovo znači za planetu Zemlju

Uspjeh AI algoritma pokazuje kako se postojeća tehnologija može prilagoditi kako bi se otkrilo više od očekivanog iz svemira.

"Ovo je samo početak upotrebe ovih moćnih metoda za pronalaženje radio prijelaznih pojava," rekao je Zhang. "Nadamo se da će naš uspjeh nadahnuti druge ozbiljne napore u primjeni mašinskog učenja na radio astronomiju."

Kao što je Siemion objasnio, praćenje i mjerenje ovih FRB-a moglo bi dovesti do masovnog otkrića.

"Bez obzira na to da li se sami FRB-ovi na kraju ispostave kao potpisi vanzemaljske tehnologije, Breakthrough Listen pomaže da se pomaknu granice novog i brzo rastućeg područja našeg razumijevanja svemira oko nas", dodao je.


Pogledajte video: Zastrašujući prizor potresa u šumi na području Hrvatske (Novembar 2021).