寻找地外生命机器学习帮助发现以前未被发现的有价值的信号

　　寻找技术先进的地外生命提出了一个问题：＂他们在哪里？＂答案往往在于银河系的浩瀚和我们搜索的有限范围。此外，计算早期的过时算法在处理今天的大规模PB级数据集时可能并不高效＂。
　　几十年来，寻找地外生命一直是科学探索和公众着迷的话题。科学家们使用各种方法，如研究我们自己太阳系中的其他行星和卫星，分析来自遥远恒星的信号，以及寻找系外行星大气中的生物特征，试图回答我们在宇宙中是否孤独的问题。尽管正在进行搜索和发现，地球以外是否有生命的问题仍然是我们这个时代最大的谜团之一，并继续激励和吸引着科学家和普通公众。
　　现在，最近发表在《自然-天文学》上的一项研究，由多伦多大学本科生Peter Ma和来自SETI研究所、Breakthrough Listen和其他科学机构的研究人员领导，利用深度学习来分析以前研究的附近恒星的数据集。这种新方法发现了八个以前未被发现的感兴趣的信号。
　　＂我们总共搜索了820颗附近恒星的150TB数据，在这个数据集上，以前在2017年通过经典技术搜索过，但被标记为没有有趣的信号，＂主要作者Peter Ma说。＂我们正在通过MeerKAT望远镜将这项搜索工作扩展到今天的100万颗恒星，甚至更多。我们相信，像这样的工作将有助于加快我们在回答＂我们在宇宙中是孤独的吗＂这一问题的伟大努力中的发现速度。＂
　　八个感兴趣的信号的瀑布图。每个面板的宽度为2800赫兹，X轴参考了发现信号的片段的中心，如表1第3栏所述。资料来源：SETI研究所
　　搜索地外智能（SETI）通过试图探测外星文明可能已经开发的技术信号或技术证据，寻找源自地球以外的地外智能的证据。最常见的技术是搜索无线电信号。无线电是在恒星之间不可思议的距离上发送信息的好方法；它能迅速穿过弥漫在太空中的尘埃和气体，并以光速（比我们最好的火箭快约2万倍）进行。许多SETI工作使用天线来窃听外星人可能发射的任何无线电信号。
　　这项研究重新审查了用西弗吉尼亚州的绿岸望远镜拍摄的数据，作为＂突破聆听＂活动的一部分，该活动最初表明没有感兴趣的目标。目标是将新的深度学习技术应用于经典的搜索算法，以产生更快、更准确的结果。在运行新算法和手动重新检查数据以确认结果后，新检测到的信号有几个关键特征。
　　这些信号是窄带的，意味着它们的频谱宽度很窄，只有几赫兹。由自然现象引起的信号往往是宽带的。
　　这些信号有非零的漂移率，这意味着这些信号有一个斜率。这种斜率可能表明信号的来源与我们的接收机有一些相对的加速度，因此不是射电天文台的本地信号。
　　这些信号出现在ON-source观测中，而不是OFF-source观测中。如果一个信号来自一个特定的天体来源，当我们把望远镜指向目标时，它就会出现，当我们看向远方时，它就会消失。人类的无线电干扰通常发生在ON和OFF观测中，因为信号源离我们很近。
　　另一位研究顾问、SETI研究所和法国国家科学研究中心的天文学家Cherry Ng说：＂这些结果极大地说明了将现代机器学习和计算机视觉方法应用于天文学中的数据挑战的力量，从而产生新的探测结果和更高的性能。这些技术的大规模应用将对无线电技术特征科学产生变革。＂
　　虽然对这些感兴趣的新目标的重新检查尚未导致对这些信号的重新探测，但这种分析数据的新方法可以使研究人员更有效地理解他们收集的数据并迅速采取行动重新检查目标。 Peter Ma和他的顾问Cherry Ng博士正期待着在SETI研究所的COSMIC系统上部署这种算法的扩展。
　　自从1960年弗兰克-德雷克在格林班克天文台的Ozma项目开始SETI实验以来，技术的进步使研究人员能够收集比以往更多的数据。这种大量的数据需要新的计算工具来快速处理和分析这些数据，以确定可能是外星智能证据的异常情况。这种新的机器学习方法在寻求回答＂我们是孤独的吗？＂这一问题方面有了新的突破。