بررسی امواج رادیویی فضایی با یادگیری ماشینی

تیمی از محققان در مطالعات جدید خود از داده‌های جستجوی هوش فرازمینی (SETI) Breakthrough Listen Initiative استفاده کرده و هشت سیگنال مهم را که قبلاً شناسایی نشده بود، شناسایی کردند.

بر پایه این تحقیقات پیشنهاد شده است که تشخیص انواع خاصی از سیگنال‌های رادیویی می‌تواند نشانه‌ای از عمر فناوری بالقوه باشد، با توجه به این که سیگنال‌های رادیویی مصنوعی را می‌توان از سیگنال‌های طبیعی متمایز کرد.

برنامه‌های SETI برای دهه‌ها آسمان را با تلسکوپ‌های رادیویی اسکن می‌کنند تا سیگنال‌های مصنوعی بدون ابهام را که از ستاره‌ها می‌آیند، شناسایی کنند. با این حال، این جستجو به دلیل تداخل فناوری انسانی پیچیده است که می‌تواند شناسایی‌های مثبت کاذب ایجاد کند. موضوع فوق از آن جهت دارای اهمیت است که فیلتر کردن این امواج از مجموعه داده‌های بزرگ، اقدامی کاملا زمان بر است.

بر اساس این مطالعات، محققان یک روش انتخاب مبتنی بر یادگیری ماشین ارائه کردند که از آن برای بررسی بیش از ۴۸۰ ساعت داده‌های تلسکوپ گرین بانک رابرت سی بیرد با رصد ۸۲۰ ستاره استفاده شد.

در نهایت پژوهشگران ۸ سیگنال مهم را که قبلاً شناسایی نشده بودند، کشف کردند؛ اگرچه مشاهدات بعدی این اهداف آن‌ها را دوباره شناسایی نکرد.

بنا بر اعلام وبگاه نیچر ای‌ژیا (natureasia)، نویسندگان پیشنهاد می‌کنند؛ روش آن‌ها می‌تواند برای سایر مجموعه‌های داده بزرگ در تسریع SETI و بررسی‌های مبتنی بر داده‌های مشابه اعمال شود.