Duncan Lorimer van de West Virginia University is misschien wel de peetvader van de snelle radio-uitbarsting, maar een paar internationale studenten hebben het verkennen van deze mysterieuze kosmische flitsen naar een nieuw niveau getild.

In 2007, Lorimer werd gecrediteerd voor het helpen ontdekken van snelle radio-uitbarstingen - intense, onverklaarbare pulsen van energie, lichtjaren verwijderd, die slechts enkele milliseconden knallen. Sindsdien, slechts ongeveer 100 zijn gespot.

Maar astronomen wisten dat er meer waren. Een belangrijk obstakel voor nieuwe ontdekkingen kwam in de vorm van onderzoekers die dataplots handmatig moesten lezen, vastgelegd door satellietbeelden, urenlang.

Devansh Agarwal en Kshitij Aggarwal, zowel afgestudeerde natuurkunde- als sterrenkundestudenten uit India, herkenden deze moeizame taak, zodat ze een snellere, efficiëntere manier om snelle radioflitsen te detecteren. Ze creëerden kunstmatig intelligente, machine learning-software die de eindeloze hoeveelheid gegevens doorzoekt.

"Snelle radio-uitbarstingen zijn moeilijk te vinden omdat ze intermitterend van aard zijn, " zei Lorimer, astronomieprofessor en Eberly College associate dean voor onderzoek. "We hebben telescopen die zeer snel gegevens in realtime verzamelen, dus we verzamelen enorme hoeveelheden gegevens, wat een uitdaging voor gegevensverwerking en -analyse wordt. Het is overweldigend, zelfs voor een leger van studenten en onderzoekers. Je zou 24 uur per dag naar deze percelen kunnen kijken en dat is niet overdreven."

Door analyse, onderzoekers kunnen "kandidaat-evenementen, " waarin een datapunt mogelijk een snelle radioburst zou kunnen blijken te zijn. Of het kan gewoon interferentie of ruis zijn.

Dus gingen Agarwal en Aggarwal op pad om computercode en software te schrijven die ze hebben getraind om te onderscheiden of de kandidaatgebeurtenissen daadwerkelijk snelle radio-uitbarstingen of andere soorten pulsen zijn.

De studenten noemden de software FETCH, wat staat voor 'snelle extragalactische voorbijgaande kandidaat-jager'. En ze hebben het open source gemaakt, wat betekent dat iedereen overal vrij is om het te gebruiken.

"Ons doel was om AI te gebruiken om een ​​taak te modelleren die mensen met dezelfde precisie of beter kunnen doen, "Agarwal zei. "Mensen gebruiken AI voor een groot aantal technieken in biologische systemen, Röntgenstralen, kattenscans en MRI's om ziekten te identificeren. We wilden ons systeem generiek genoeg maken zodat iedereen het overal ter wereld kan gebruiken."

Nu al, wetenschappers hebben FETCH in Australië gebruikt om nieuwe snelle radioflitsen te vinden.

De software zal ook van pas komen voor onderzoek via het Groene Bank Observatorium, een partner van WVU en een belangrijke locatie voor het astronomieonderzoek van de universiteit. De Groene Bank Telescoop, gelegen in Pocahontas County, is 's werelds grootste volledig bestuurbare radiotelescoop.

"Met Groene Bank, het heeft ons in staat gesteld te werken in een omgeving waar we normaal gesproken duizenden pulsen per dag zouden hebben om door te kijken, tot een of twee, ' zei Lorimer.

Volgens Lorimer kwam het idee voor deze innovatie van de studenten zelf. Het project gaf zelfs niet-gegradueerde studenten, zoals Olivia Young, van korte kloof, West Virginia, een kans om onderzoek te doen.

"Het heeft me in staat gesteld om op conferenties te presenteren en een echt unieke leerervaring te hebben als student, " zei Jong, die in mei afstudeerde met haar bachelor natuurkunde.

"We zijn heel blij als studenten initiatief nemen, Lorimer zei. "Ik zie mijn rol tegenwoordig als een paar stappen verwijderd van het onderzoek, maar ik probeer de studenten de kennis mee te geven waarmee ze aan de slag kunnen. Het is alsof je een nieuwe taal leert. Je leert ze een paar zinnen en dan rijgen ze hele zinnen aan elkaar. Of muziek leren. Je leert ze een paar noten en ze nemen het en komen met nieuwe deuntjes."