より多くのデータと機械学習により SETI が本格化

60 年以上にわたり、天文学者や天体物理学者は地球外知性体の探索 (SETI) に取り組んできました。これは、無線送信などの技術活動の兆候 (または「テクノシグネチャ」) を見つけるために他の星系を聞くことから構成されます。この最初の試みは 1960 年に行われ、オズマ計画として知られています。そこでは、有名な SETI 研究者のフランク・ドレーク博士 (ドレーク方程式の父) と彼の同僚が、ウェストバージニア州のグリーンバンク天文台にある電波望遠鏡を使用して、くじら座タウの電波調査を実施しました。そしてエリダヌス座イプシロン星人。

それ以来、SETI 調査の大部分は、星間空間を伝播するのに非常に優れている狭帯域無線信号を同様に探してきました。しかし、最大の課題は常に、地球上での無線送信をどのようにフィルタリングするかということでした。無線周波数干渉 (RFI)。最近の研究では、ダンラップ天文学・天体物理学研究所 (DIAA) が率いる国際チームが、グリーンバンク望遠鏡 (GBT) によって収集されたデータに新しい深層学習アルゴリズムを適用し、これにより、人類にとって興味深い 8 つの有望な信号が明らかになりました。 Breakthrough Listen などの SETI イニシアチブ。

DIAAおよびトロント大学数学物理学科の学部研究員であるPeter Xiangyuan Ma氏がこの研究を主導した。同氏には、カリフォルニア大学バークレー校の電波天文学研究所、ジョドレルバンク天体物理学センター（JBCA）、宇宙科学・天文学研究所、国際電波天文学研究センター、SETI研究所、ブレークスルー・イニシアチブの研究者らが参加した。彼らの発見を説明する論文「820 個の近くの星のテクノシグネチャーのディープラーニング検索」は、最近 Nature Astronomy に掲載されました。

今すぐ Universe のすべての広告を削除してください

わずか 3 ドルで Patreon に参加しましょう!

一生広告なしで体験してください

狭帯域無線信号は、電波が星間空間で非常によく伝播するため、依然として最も人気があり、人気のあるテクノシグネチャーです。 SETI 研究者にとって、常に課題は、考えられる送信、地上 RFI、宇宙源からの電波を区別することです。研究のために、マー氏と彼の同僚は、480 時間の上空観測中に GBT によって観測された 820 個の固有のターゲットにベータ畳み込み変分オートエンコーダーアルゴリズムを適用しました。

「私たちの観察の多くでは、多くの干渉が見られます」とマー氏はダンラップ研究所のプレスリリースで述べた。「宇宙の刺激的な無線信号と、地球からの興味のない無線信号を区別する必要があります。」「私たちの観測の多くでは、多くの干渉が発生しています」とマー氏はダンラップ研究所のプレスリリースで述べた。「宇宙の刺激的な無線信号と地球からの興味のない無線信号を区別する必要があります。」

マー氏はまだ高校生だった頃からこのアルゴリズムに取り組み始め、テクノシグネチャの検索を合理化することで SETI を加速させることを期待していました。マー氏によると、このアルゴリズムは機械学習の 2 つのサブタイプ (教師あり学習と教師なし学習) を組み合わせたもので、彼はこれを「半教師なし学習」と呼んでいます。このアプローチには、教師あり手法を使用してアルゴリズムをガイドおよびトレーニングし、(教師なし手法を使用して) アルゴリズムを一般化し、データ内の隠れたパターンをより簡単に見つけることが含まれます。

ダンラップ研究所に入社して以来、マー氏と彼の同僚は、地球外起源の可能性のある潜在的な信号と人間が生成した干渉を区別するために、シミュレートされた信号を使用してアルゴリズムをトレーニングしてきました。彼らはまた、Ma のアルゴリズムとさまざまな機械学習アプリケーション、その精度と誤検知率を比較し、その情報を使用して最終製品を作成しました。「私がチームに伝えたのは、この論文が出版された後でした。これはすべて高校のプロジェクトとして始まり、教師たちにはあまり評価されていなかったということです」とマー氏は付け加えた。

このアルゴリズムを GBT データに適用したところ、地球から 30 光年から 90 光年離れた 5 つの星から、対象となる 8 つの新しい電波信号が発見されました。これらのシグナルは、機械学習に依存しない以前の分析では見落とされていました。しかし、SETI チームにとって、これらのシグナルは 2 つの理由から注目に値すると考えられます。 GBT のブレークスルーリッスンのプロジェクト科学者であるスティーブクロフト博士は次のように説明しました。