Makine öğrenimi dünya dışı yaşamı bulmamıza yardımcı olacak mı?

Teknolojik olarak gelişmiş dünya dışı yaşamı keşfetme olasılığını düşünürken, sıklıkla ortaya çıkan soru, “Eğer oradalarsa, neden onları henüz bulamadık?” Ve genellikle yanıt, galaksinin yalnızca küçük bir bölümünü araştırmış olmamızdır.

Ayrıca, en eski dijital bilgisayarlar için onlarca yıl önce geliştirilen algoritmalar, petabayt ölçeğindeki modern veri kümelerine uygulandığında eski ve verimsiz olabilir. Şimdi, yayınlanan araştırma Doğa Astronomisi Toronto Üniversitesi’nde bir lisans öğrencisi olan Peter Ma liderliğindeki SETI Enstitüsü, Breakthrough Listen ve dünyanın dört bir yanındaki bilimsel araştırma kurumlarından araştırmacılarla birlikte, yakın yıldızların daha önce incelenmiş bir veri kümesine derin bir öğrenme tekniği uyguladı ve sekiz tanesini ortaya çıkardı. önceden tanımlanmamış ilgi sinyalleri.

Baş yazar Peter Ma, “Toplamda, daha önce 2017’de klasik tekniklerle araştırılan ancak ilginç sinyallerden yoksun olarak etiketlenen bir veri setinde 820 yakın yıldızın 150 TB verisini aradık” dedi.

“MeerKAT teleskopu ve ötesiyle bugün bu arama çabasını 1 milyon yıldıza ölçeklendiriyoruz. Bu tür çalışmaların, ‘yalnız mıyız? evrende?'”

Dünya dışı zeka arayışı (SETI), uzaylı uygarlıkların geliştirmiş olabileceği teknoimzaları veya teknolojinin kanıtlarını tespit etmeye çalışarak, Dünya’nın ötesinden kaynaklanan dünya dışı zekanın kanıtlarını arar. En yaygın teknik, radyo sinyallerini aramaktır.

Radyo, yıldızlar arasındaki inanılmaz mesafeler üzerinden bilgi göndermenin harika bir yoludur; uzaya nüfuz eden toz ve gazdan hızla geçer ve bunu ışık hızında yapar (en iyi roketlerimizden yaklaşık 20.000 kat daha hızlı). Pek çok SETI girişimi, uzaylıların yayıyor olabileceği herhangi bir radyo sinyalini dinlemek için antenler kullanır.

Bu çalışma, Batı Virjinya’daki Green Bank Teleskobu ile, başlangıçta herhangi bir ilgi hedefi belirtmemiş olan Çığır Açan Dinleme kampanyasının bir parçası olarak alınan verileri yeniden inceledi. Amaç, daha hızlı ve daha doğru sonuçlar elde etmek için yeni derin öğrenme tekniklerini klasik bir arama algoritmasına uygulamaktı. Yeni algoritmayı çalıştırdıktan ve sonuçları doğrulamak için verileri manuel olarak yeniden inceledikten sonra, yeni algılanan sinyallerin birkaç temel özelliği vardı:

• Sinyaller dar banttı, yani sadece birkaç Hz mertebesinde dar spektral genişliğe sahiplerdi. Doğal olayların neden olduğu sinyaller geniş bant olma eğilimindedir.
• Sinyallerin sıfır olmayan kayma oranları vardı, yani sinyallerin bir eğimi vardı. Bu tür eğimler, bir sinyalin kaynağının bizim alıcılarımızla bir miktar göreli ivmeye sahip olduğunu, dolayısıyla radyo gözlemevinin yerel olmadığını gösterebilir.
• Sinyaller, KAPALI kaynak gözlemlerinde değil, AÇIK kaynak gözlemlerinde ortaya çıktı. Bir sinyal belirli bir göksel kaynaktan geliyorsa, teleskopumuzu hedefe doğrulttuğumuz zaman görünür ve uzağa baktığımızda kaybolur. İnsan radyo paraziti, kaynağın yakında olması nedeniyle genellikle AÇIK ve KAPALI gözlemlerde meydana gelir.

Ma’nın araştırma danışmanlarından biri ve hem SETI Enstitüsü’nde hem de Fransız Ulusal Bilimsel Araştırma Merkezi’nde astronom olan Cherry Ng, “Bu sonuçlar, modern makine öğrenimi ve bilgisayarla görme yöntemlerini astronomideki veri sorunlarına uygulamanın gücünü çarpıcı bir şekilde gösteriyor. hem yeni tespitler hem de daha yüksek performans. Bu tekniklerin geniş ölçekte uygulanması, radyo tekno-imza bilimi için dönüştürücü olacaktır.”

Bu yeni ilgilenilen hedeflerin yeniden incelenmesi, bu sinyallerin yeniden saptanmasıyla sonuçlanmasa da, verileri analiz etmeye yönelik bu yeni yaklaşım, araştırmacıların topladıkları verileri daha etkili bir şekilde anlamalarını ve hedefleri yeniden incelemek için hızlı hareket etmelerini sağlayabilir. Ma ve danışmanı Dr. Cherry Ng, bu algoritmanın uzantılarını SETI Enstitüsünün COSMIC sistemine yerleştirmeyi sabırsızlıkla bekliyor.

SETI deneyleri 1960 yılında Frank Drake’in Greenbank Gözlemevi’ndeki Ozma Projesi ile başladığından beri, şu anda bu son çalışmada kullanılan teleskopa ev sahipliği yapan bir site, teknolojik gelişmeler araştırmacıların her zamankinden daha fazla veri toplamasını sağladı. Bu muazzam veri hacmi, dünya dışı zekanın kanıtı olabilecek anormallikleri belirlemek için bu verileri hızlı bir şekilde işlemek ve analiz etmek için yeni hesaplama araçları gerektirir. Bu yeni makine öğrenimi yaklaşımı, “yalnız mıyız?” sorusunu yanıtlama arayışında çığır açıyor.