Искусственный интеллект обнаружил 72 радиосигнала неизвестной природы с расстояния в три миллиарда световых лет от Земли. И сделал это лучше, чем человек и стандартные компьютерные алгоритмы.
©Wikipedia
Исследователи, участвующие в проекте Breakthrough Listen (часть проекта SETI по поиску внеземной жизни), из Калифорнийского университета в Беркли использовали метод машинного обучения, чтобы проанализировать радиосигналы от неизвестного далекого источника. В результате искусственный интеллект идентифицировал 72 быстрых радиовсплеска (FRB) в потоке данных.
Быстрые радиовсплески имеют длительность несколько миллисекунд и исходят от неизвестных источников. При них в космос выбрасывается количество энергии, эквивалентное тому, сколько вырабатывает Солнце за несколько десятков тысяч лет. Впервые радиовсплески случайно заметили ученые в 2007 году при изучении данных, полученных с радиотелескопа. Первый обнаруженный сигнал был очень коротким, мощным и выбивался из ряда других. Всплеск назвали FRB 010724, или всплеск Лоримера — по имени руководителя группы ученых, которые работали над радиосигналом. Выяснилось, что FRB 010724 исходит от внегалактического источника, причем обладающего невероятной светимостью в радиодиапазоне. Что это конкретно был за источник, ученые так и не смогли определить.
Стремясь объяснить природу всплесков, исследователи выдвигают самые разные гипотезы: от привязки сигналов к земной технике до описания редких космических событий вроде слияния нейтронных звезд. Есть и экзотическая гипотеза, объясняющая всплески деятельностью внеземных цивилизаций. В 2016 году ученые объявили, что смогли определить источник одного радиовсплеска, пойманного в апреле 2015 года. Это была галактика в созвездии Большого Пса, удаленная от Земли на расстояние более шести миллиардов световых лет. Предположительно, причиной радиовсплеска стало столкновение двух нейтронных звезд.
Приверженцы гипотезы о внеземных цивилизациях в основном работают в проекте SETI, участники которого и использовали искусственный интеллект для поиска необходимых сигналов. Вне зависимости от мотивации его создателей алгоритм действительно смог эффективно идентифицировать в потоке сигналов те, которые своими характеристиками похожи на быстрые радиовсплески.
Искусственный интеллект обрабатывал массив данных размером в 400 терабайт, полученных с радиотелескопа «Грин-Бэнк» в Западной Виргинии (США) во время пятичасовых наблюдений 26 августа 2017 года. Ранее эта информация уже обрабатывалась стандартными компьютерными алгоритмами, которые смогли обнаружить там 21 радиовсплеск. Методы машинного обучения существенно улучшили результат обработки, дополнительно идентифицировав еще 72 сигнала.
Группа ученых, работавших над алгоритмом, использовала методы, которые применяются и IT-компаниями для оптимизации поисковых результатов и классификации изображений.
«Эта работа интересна не только потому, что помогает понять динамику поведения быстрых радиовсплесков более детально, но и потому, что показывает, как машинное обучение может детектировать сигналы, пропущенные классическими алгоритмами», — поделился Эндрю Симеон (Andrew Siemion), руководитель исследовательского центра SETI в Беркли.
