人工智慧幫助追蹤神秘的宇宙無線電爆炸

人工智慧幫助追蹤神秘的宇宙無線電爆炸

機器學習演算法還有助於尋找外星智能的新信號

人工智慧正在侵入許多領域，最近的一次是天文學和對宇宙中智慧生命的探索(SETI)。

由加州大學伯克利分校(University of California, Berkeley)領導的SETI項目「突破聆聽」(Breakthrough Listen)的研究人員，已經利用機器學習技術，從距地球約30億光年的神秘源頭髮現了72個新的快速無線電脈衝。快速射電爆發是一種僅持續幾毫秒的明亮射電脈衝，被認為來自遙遠的星系。然而，這些排放的來源仍不清楚。理論範圍從被附近超大質量黑洞的氣體噴燃的高磁化中子星，到認為爆炸性質與先進文明發展的技術特徵一致的觀點。「這項工作不僅僅是激動人心的,因為它幫助我們理解快速詳細無線電脈衝的動態行為,還因為承諾了使用機器學習錯過了經典演算法來檢測信號,」安德魯?西蒙表示伯克利SETI研究中心主任和首席研究員突破聽,主動尋找宇宙智慧生命的跡象。

突破性偵聽還應用了成功的機器學習演算法來發現可能來自外星文明的新信號。雖然大多數快速無線電爆發都是一次性的，但這裡的源，FRB 121102，在發射重複的爆發中是獨一無二的。這一現象引起了許多天文學家的注意，他們希望能找到導致快速射電爆發的原因和極端物理現象。

在2017年8月26日，西維吉尼亞州的格林班克望遠鏡在5個小時的時間裡記錄了人工智慧演算法從數據中提取無線電信號。早先對400兆兆位元組數據的分析使用了標準的計算機演算法來識別這段時間內的21次突發事件。所有這些都在一小時內被發現，這表明源在靜止和狂亂活動之間交替，伯克利SETI計劃的博士後研究員Vishal Gajjar說。加州大學伯克利分校的博士生Gerry Zhang和他的合作者隨後開發了一種新的、強大的機器學習演算法，並重新分析了2017年的數據，發現了另外72次最初未檢測到的爆炸。自2012年發現FRB 121102以來，總共檢測到的突發事件從121102上升到300起。「這項工作只是開始使用這些強大的方法來尋找無線電瞬變信號，」張說。「我們希望我們的成功能夠激發其他將機器學習應用於射電天文學的認真努力。」

張磊的團隊使用了一些互聯網技術公司用來優化搜索結果和分類圖像的技術。他們訓練了一種被稱為卷積神經網路的演算法來識別Gajjar和合作者使用的經典搜索方法發現的突發事件，然後在數據集中釋放它來發現經典方法遺漏的突發事件。這些結果有助於對FRB 121102脈衝的周期性施加新的約束，這表明脈衝不會以常規模式接收，至少如果該模式的周期超過10毫秒。Siemion說，正如脈衝星脈衝的模式幫助天文學家限制了計算機模型對這些天體的極端物理條件的限制一樣，FRBs的新測量將有助於找出這些神秘來源的力量。他補充說:「不管frb本身最終是否被證明是外星科技的標誌，「突破性聆聽」正幫助推動我們理解周圍宇宙的一個新的快速增長領域的前沿。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！