Boffins یادگیری ماشینی را در جستجوی ET هوشمند به کار می گیرد

Boffins یادگیری ماشینی را در جستجوی ET هوشمند به کار می گیرد

تمبر زمان: 30 ژانویه 2023، ساعت 1:43 بعد از ظهر
گره منبع: 1929520

دانشمندان روشی برای یادگیری ماشینی ابداع کرده‌اند که فکر می‌کنند می‌تواند به فیلتر کردن تداخل و شناسایی مؤثرتر سیگنال‌های رادیویی غیرعادی از فضا کمک کند و به جستجوی مداوم برای هوش فرازمینی کمک کند.

برنامه‌های جستجو برای هوش فرازمینی (SETI) برای دهه‌ها از تلسکوپ‌های رادیویی برای تشخیص سیگنال‌های مصنوعی صریح که از فلک می‌آیند استفاده کرده‌اند. با این حال، این جستجو به دلیل تداخل فناوری انسانی پیچیده است، که می تواند شناسایی های مثبت کاذب ایجاد کند که فیلتر کردن از مجموعه داده های بزرگ زمان بر است.

پژوهشی به رهبری پیتر ما، دانشجوی سال سوم فیزیک و ریاضیات در دانشگاه تورنتو، از مشاهدات 820 ستاره در قالب 115 میلیون قطعه داده استفاده کرد. مدل‌های یادگیری عمیق که تیم با استفاده از کتابخانه ML TensorFlow و کتابخانه Python Keras ایجاد کردند، حدود 3 میلیون سیگنال مورد علاقه را شناسایی کردند. نویسندگان ادعا کردند که این گروه به 20,515 سیگنال جالب کاهش یافته است که بیش از 100 برابر کمتر از تجزیه و تحلیل های قبلی از همان مجموعه داده است.

آنها در ادامه هشت سیگنال مورد علاقه را که قبلاً شناسایی نشده بودند شناسایی کردند، اگرچه مشاهدات بعدی در شناسایی مجدد این اهداف موفق نبوده است. مقاله ای که در Nature Astronomy منتشر شده است.

نویسندگان پیشنهاد می‌کنند که روش آنها می‌تواند برای سایر مجموعه‌های داده بزرگ برای تسریع SETI و بررسی‌های مبتنی بر داده‌های مشابه اعمال شود.

هدف SETI پاسخ به این سوال با جستجوی شواهدی از حیات هوشمند در جای دیگر کهکشان از طریق "تکنوسیچرهای" ایجاد شده توسط فناوری آنهاست. با توجه به سهولت انتشار سیگنال‌های رادیویی در فضای بین‌ستاره‌ای و همچنین کارایی نسبی ساخت فرستنده‌ها و گیرنده‌های رادیویی قدرتمند، اکثر جست‌وجوی‌های تکنوسی تا کنون در فرکانس‌های رادیویی انجام شده‌اند.

آنها استدلال کردند: "تشخیص یک امضای فنی بدون ابهام وجود هوش فرازمینی (ETI) را نشان می دهد و بنابراین هم برای دانشمندان و هم برای عموم مردم مورد توجه است."

سایر کاربردهای ML در SETI، شامل یک طبقه‌بندی سیگنال عمومی برای مشاهدات به‌دست‌آمده در آرایه تلسکوپ آلن و در تلسکوپ رادیویی کروی با دیافراگم پانصد متری، شناسه‌های تداخل فرکانس رادیویی مبتنی بر شبکه عصبی کانولوشن، و الگوریتم‌های تشخیص ناهنجاری است. نویسندگان گفتند.

یکی از معروف‌ترین پروژه‌ها در این زمینه، SETI@home بود که قرائت‌های رادیویی تلسکوپ را به رایانه‌های خانگی داوطلبان فرستاد تا نشانه‌های بالقوه حیات فرازمینی را برای بیش از 20 سال غربال کنند. ارسال داده در سال 2020 متوقف شد.

این پروژه از سال 1999 توسط مرکز تحقیقات SETI برکلی، که چندین طرح مرتبط را مدیریت می‌کند، نظارت می‌کرد و حدود 1.5 میلیون روز از زمان کامپیوتری استفاده کرده است. اگرچه به هدف خود در تعیین حیات هوشمند فرازمینی دست نیافت، اما با موفقیت نشان داد که پروژه‌های محاسباتی داوطلبانه می‌توانند از رایانه‌های متصل به اینترنت به‌عنوان یک ابزار تجزیه‌وتحلیل قابل استفاده استفاده کنند و بزرگ‌ترین ابر رایانه‌های جهان را از بین ببرند. ®

تمبر زمان:

بیشتر از ثبت نام