Машинное обучение в поисках внеземной жизни

Новое исследование, опубликованное в Nature Astronomy, демонстрирует, как глубокое обучение может ускорить поиск внеземного разума (SETI). Группа под руководством студента Университета Торонто Питера Ма применила эту технику к старому набору данных и обнаружила восемь ранее не идентифицированных перспективных сигналов.

Ключевые детали исследования:

  • Авторы: Питер Ма (ведущий автор, Университет Торонто) с коллегами из SETI Institute, Breakthrough Listen и других научных учреждений.
  • Данные: Проанализировано 150 ТБ данных по 820 ближайшим звездам, которые ранее в 2017 году классическими методами были признаны лишёнными интересных сигналов.
  • Телескоп: Данные собраны на телескопе Грин-Бэнк в Западной Вирджинии в рамках кампании Breakthrough Listen.

Характеристики обнаруженных сигналов:

  • Узкополосные: Имеют узкую спектральную ширину (порядка нескольких Гц), в отличие от широкополосных природных явлений.
  • Ненулевой дрейф: Наличие наклона сигнала, что может указывать на относительное ускорение его источника относительно приёмника (т.е. источник не локальный для обсерватории).
  • ON/OFF-наблюдения: Сигналы появлялись только при наведении телескопа на цель (ON) и отсутствовали при наблюдении фона (OFF). Радиопомехи от земных источников обычно видны в обоих случаях.

Значение работы:

По словам астронома SETI Institute Черри Нг, применение современных методов машинного обучения и компьютерного зрения к астрономическим данным даёт новые обнаружения и повышает эффективность. Масштабирование этих методов будет революционным для науки о техносигнатурах.

Будущие планы:

  • Несмотря на то, что повторные наблюдения новых целей пока не подтвердили сигналы, новый подход позволяет быстрее анализировать данные и оперативно проверять цели.
  • Ма и Нг планируют внедрить расширенные версии алгоритма в систему COSMIC SETI Institute.
  • Поиск будет масштабирован до 1 миллиона звёзд с помощью телескопа MeerKAT.

Контекст:

С начала экспериментов SETI в 1960 году объёмы собираемых данных колоссально выросли. Новые вычислительные инструменты, такие как машинное обучение, необходимы для быстрой обработки этих данных и поиска аномалий, которые могут быть свидетельством внеземного разума.

2023-01-30