Kunstmatige intelligentie dringt veel terreinen binnen, meest recent astronomie en de zoektocht naar intelligent leven in het heelal, of SETI.

Onderzoekers van Breakthrough Listen, een SETI-project geleid door de Universiteit van Californië, Berkeley, hebben nu machine learning gebruikt om 72 nieuwe snelle radio-uitbarstingen te ontdekken van een mysterieuze bron op zo'n 3 miljard lichtjaar van de aarde.

Snelle radio-uitbarstingen zijn heldere pulsen van radio-emissie van slechts enkele milliseconden, vermoedelijk afkomstig van verre sterrenstelsels. De bron van deze emissies is nog onduidelijk, echter. Theorieën variëren van sterk gemagnetiseerde neutronensterren die worden gestraald door gasstromen van een nabijgelegen superzwaar zwart gat, op suggesties dat de burst-eigenschappen consistent zijn met handtekeningen van technologie die is ontwikkeld door een geavanceerde beschaving.

"Dit werk is opwindend, niet alleen omdat het ons helpt het dynamische gedrag van snelle radio-uitbarstingen in meer detail te begrijpen, maar ook vanwege de belofte die het laat zien voor het gebruik van machine learning om signalen te detecteren die door klassieke algoritmen worden gemist, " zei Andrew Siemion, directeur van het Berkeley SETI Research Center en hoofdonderzoeker van Breakthrough Listen, het initiatief om tekenen van intelligent leven in het heelal te vinden.

Breakthrough Listen past ook het succesvolle machine learning-algoritme toe om nieuwe soorten signalen te vinden die mogelijk afkomstig zijn van buitenaardse beschavingen.

Hoewel de meeste snelle radio-uitbarstingen eenmalig zijn, de bron hier, FRB 121102, is uniek in het uitzenden van herhaalde bursts. Dit gedrag heeft de aandacht getrokken van veel astronomen in de hoop de oorzaak en de extreme fysica van snelle radio-uitbarstingen te achterhalen.

De AI-algoritmen die de radiosignalen uit de gegevens haalden, werden op 26 augustus gedurende een periode van vijf uur opgenomen. 2017, door de Green Bank Telescope in West Virginia. Een eerdere analyse van de 400 terabyte aan gegevens maakte gebruik van standaard computeralgoritmen om 21 bursts in die periode te identificeren. Ze waren allemaal binnen een uur gezien, wat suggereert dat de bron wisselt tussen perioden van rust en waanzinnige activiteit, zei Berkeley SETI postdoctoraal onderzoeker Vishal Gajjar.

UC Berkeley Ph.D. student Gerry Zhang en medewerkers ontwikkelden vervolgens een nieuwe, krachtig algoritme voor machine learning en de gegevens van 2017 opnieuw geanalyseerd, het vinden van nog eens 72 bursts die oorspronkelijk niet werden gedetecteerd. Dit brengt het totale aantal gedetecteerde bursts van FRB 121102 op ongeveer 300 sinds de ontdekking in 2012.

"Dit werk is slechts het begin van het gebruik van deze krachtige methoden om radiotransiënten te vinden, " zei Zhang. "We hopen dat ons succes een inspiratie kan zijn voor andere serieuze inspanningen om machine learning toe te passen op radioastronomie."

Het team van Zhang gebruikte enkele van dezelfde technieken die internettechnologiebedrijven gebruiken om zoekresultaten te optimaliseren en afbeeldingen te classificeren. Ze trainden een algoritme dat bekend staat als een convolutioneel neuraal netwerk om bursts te herkennen die zijn gevonden met de klassieke zoekmethode die wordt gebruikt door Gajjar en medewerkers. en zet het dan los op de dataset om uitbarstingen te vinden die de klassieke benadering miste.

De resultaten hebben geholpen nieuwe beperkingen op te leggen aan de periodiciteit van de pulsen van FRB 121102, wat suggereert dat de pulsen niet met een regelmatig patroon worden ontvangen, tenminste als de periode van dat patroon langer is dan ongeveer 10 milliseconden. Net zoals de patronen van pulsen van pulsars astronomen hebben geholpen computermodellen van de extreme fysieke omstandigheden in dergelijke objecten te beperken, de nieuwe metingen van FRB's zullen helpen erachter te komen wat deze raadselachtige bronnen aanstuurt, zei Siemon.

"Of FRB's zelf uiteindelijk handtekeningen van buitenaardse technologie blijken te zijn, Breakthrough Listen helpt de grenzen te verleggen van een nieuw en snel groeiend gebied van ons begrip van het universum om ons heen, " hij voegde toe.

De nieuwe resultaten worden beschreven in een artikel dat is geaccepteerd voor publicatie in Het astrofysische tijdschrift en beschikbaar om te downloaden van de Breakthrough Listen-website.