Boffins, 지능형 ET를 검색하기 위해 기계 학습 배포

플라톤에 의해 재발행

팔로워 : 0

과학자들은 간섭을 걸러내고 우주에서 오는 비정상적인 무선 신호를 보다 효율적으로 찾아내는 데 도움이 될 수 있다고 생각하는 기계 학습 방법을 개발하여 지속적인 외계 지능 탐색에 기여했습니다.

외계 지능 탐사(SETI) 프로그램은 천공에서 오는 명확한 인공 신호를 탐지하기 위해 수십 년 동안 전파 망원경을 사용해 왔습니다. 그러나 이 검색은 대규모 데이터 세트에서 필터링하는 데 시간이 많이 걸리는 잘못된 긍정 식별을 생성할 수 있는 인간 기술의 간섭으로 인해 복잡합니다.

토론토 대학의 물리학 및 수학 학부 820학년인 Peter Ma가 이끄는 연구는 115억 3만 개의 데이터 스니펫 형태로 20,515개의 별에서 관찰한 데이터를 사용했습니다. 팀이 ML 라이브러리 TensorFlow 및 Python 라이브러리 Keras를 사용하여 개발한 딥 러닝 모델은 약 100만 개의 관심 신호를 식별했습니다. 이 그룹은 동일한 데이터 세트의 이전 분석보다 XNUMX배 이상 적은 XNUMX개의 흥미로운 신호로 줄었습니다.

그들은 이전에 감지되지 않은 XNUMX개의 관심 신호를 식별했지만 후속 관찰은 이러한 목표를 재검출하는 데 성공하지 못했습니다. Nature Astronomy에 게재된 논문.

저자는 SETI 및 유사한 데이터 기반 설문 조사를 가속화하기 위해 다른 빅 데이터 세트에 방법을 적용할 수 있다고 제안합니다.

“SETI는 그들의 기술로 생성된 '기술 서명'을 통해 은하계 다른 곳에서 지적 생명체의 증거를 찾음으로써 이 질문에 답하는 것을 목표로 합니다. 지금까지 대부분의 기술 서명 검색은 성간 공간을 통한 무선 신호 전파의 용이성과 강력한 무선 송신기 및 수신기 구성의 상대적 효율성을 감안할 때 무선 주파수에서 수행되었습니다.”라고 저자는 말했습니다.

"명확한 기술 서명의 탐지는 외계 지능(ETI)의 존재를 입증할 것이며 따라서 과학자와 일반 대중 모두에게 큰 관심을 끌고 있습니다."라고 그들은 주장했습니다.

SETI에서 ML의 다른 응용 프로그램에는 Allen Telescope Array 및 XNUMXm Aperture Spherical Radio Telescope에서 얻은 관측을 위한 일반 신호 분류기, 컨볼루션 신경망 기반 무선 주파수 간섭 식별자 및 이상 탐지 알고리즘이 포함됩니다. 저자는 말했다.

이 분야에서 가장 유명한 프로젝트 중 하나는 SETI@home으로 전파 망원경 판독값을 자원봉사자의 가정용 컴퓨터로 보내어 20년 이상 외계 생명체의 잠재적인 징후를 선별했지만 2020년 데이터 전송 중단.

이 프로젝트는 여러 관련 이니셔티브를 관리하는 Berkeley SETI 연구 센터에서 1999년부터 감독했으며 약 1.5만 일의 컴퓨터 시간을 사용했습니다. 지능적인 외계 생명체를 정확히 찾아내려는 목표를 달성하지는 못했지만 자원 봉사 컴퓨팅 프로젝트가 인터넷에 연결된 컴퓨터를 실행 가능한 분석 도구로 사용하여 세계 최대 슈퍼 컴퓨터를 능가할 수 있음을 성공적으로 시연했습니다. ®