Boffins はインテリジェントな ET を求めて機械学習を導入

プラトン再発行

フォロワー： 0

科学者たちは、干渉を除去し、宇宙からの異常な無線信号をより効率的に見つけるのに役立つと考えられる機械学習方法を開発し、地球外知性の継続的な探索に貢献しています。

地球外知的生命体探査 (SETI) プログラムでは、何十年にもわたって電波望遠鏡を使用して、大空から来る明白な人工信号を検出してきました。ただし、この検索は人間の技術による干渉によって複雑になり、大規模なデータセットから除外するのに時間がかかる偽陽性の識別が生成される可能性があります。

トロント大学の物理学と数学の学部 820 年生であるピーターマー氏が率いる研究では、115 個の星からの観測データを 3 億 20,515 万個のデータスニペットの形で使用しました。チームが ML ライブラリ TensorFlow と Python ライブラリ Keras を使用して開発したディープラーニングモデルは、約 100 万の関心のあるシグナルを識別しました。このグループは XNUMX 個の興味深い信号にまで絞り込まれましたが、これは同じデータセットの以前の分析よりも XNUMX 分の XNUMX 以上少ないと著者は主張しています。

彼らはさらに、これまで検出されていなかった XNUMX つの重要な信号を特定しましたが、追跡調査ではこれらのターゲットを再検出することに成功していません。 Nature Astronomy に掲載された論文.

著者らは、彼らの方法を他の大きなデータセットに適用して、SETI や同様のデータ駆動型調査を加速できる可能性があると示唆しています。

「SETIは、彼らの技術によって作成された「テクノシグネチャー」を介して、銀河の他の場所に知的生命体の証拠を探すことで、この質問に答えることを目指しています. これまでのテクノシグネチャ検索の大部分は、星間空間を介した無線信号の伝播の容易さ、および強力な無線送信機と受信機の構築の相対的な効率を考慮して、無線周波数で行われてきました.

「明白な技術的特徴の検出は、地球外知的生命体 (ETI) の存在を証明するものであり、科学者と一般市民の両方にとって非常に興味深いものです」と彼らは主張しました。

SETI での ML のその他のアプリケーションには、アレンテレスコープアレイと XNUMX メートル開口の球状電波望遠鏡で得られた観測のための汎用信号分類器、畳み込みニューラルネットワークに基づく無線周波数干渉識別子、および異常検出アルゴリズムが含まれます。著者は言った。

この分野で最も有名なプロジェクトの 20 つは SETI@home で、電波望遠鏡の測定値をボランティアの自宅のコンピューターに送信して、XNUMX 年以上にわたって地球外生命体の潜在的な兆候を選別しましたが、 2020年にデータの送信を停止しました.

このプロジェクトは、1999 年以来、いくつかの関連するイニシアチブを管理するバークレー SETI リサーチセンターによって監督されており、約 1.5 万日のコンピューター時間を使用しています。インテリジェントな地球外生命体を特定するという目標は達成できませんでしたが、ボランティアのコンピューティングプロジェクトがインターネットに接続されたコンピューターを実行可能な分析ツールとして使用できることを実証し、世界最大のスーパーコンピューターを凌駕しました。 ®