더 많은 데이터와 기계 학습으로 SETI가 더욱 발전했습니다.

60년 넘게 천문학자와 천체물리학자들은 외계 지능 탐색(SETI)에 참여해 왔습니다. 이는 무선 전송과 같은 기술적 활동(또는 “기술 서명)의 징후를 찾기 위해 다른 항성계를 듣는 것으로 구성됩니다. 이 첫 번째 시도는 1960년에 오즈마 프로젝트(Project Ozma)로 알려졌으며, 유명한 SETI 연구원인 프랭크 드레이크 박사(드레이크 방정식의 아버지)와 그의 동료들은 웨스트 버지니아의 그린 뱅크 천문대에서 전파 망원경을 사용하여 타우 세티에 대한 전파 조사를 수행했습니다. 그리고 엡실론 에리다니.

그 이후로 대다수의 SETI 조사에서는 협대역 무선 신호가 성간 공간을 통해 전파되는 데 매우 뛰어나기 때문에 유사하게 협대역 무선 신호를 찾았습니다. 그러나 가장 큰 과제는 항상 지구상의 무선 전송을 필터링하는 방법이었습니다. 무선 주파수 간섭(RFI). 던랩 천문천체물리학연구소(DIAA)가 이끄는 국제팀은 최근 연구에서 그린뱅크망원경(GBT)이 수집한 데이터에 새로운 딥러닝 알고리즘을 적용해 인류가 관심을 가질 만한 8가지 유망한 신호를 밝혀냈다. Breakthrough Listen과 ​​같은 SETI 이니셔티브.

DIAA와 토론토 대학 수학과 물리학과의 학부 연구원인 Peter Xiangyuan Ma가 연구를 주도했습니다. 그는 UC Berkeley의 전파 천문학 연구소, Jodrell Bank 천체물리학 센터(JBCA), 우주 과학 및 천문학 연구소, 국제 전파 천문학 연구 센터, SETI 연구소 및 Breakthrough Initiatives의 연구원들과 합류했습니다. 그들의 연구 결과를 설명하는 논문 "인근 별 820개의 기술 서명에 대한 딥러닝 검색"은 최근 Nature Astronomy에 게재되었습니다.

Universe Today의 모든 광고 제거

단돈 3달러로 Patreon에 가입하세요!

평생 광고 없는 경험을 누리세요

협대역 무선 신호는 성간 공간에서 전파가 얼마나 잘 전파되는지 때문에 가장 인기 있고 수요가 높은 기술 서명으로 남아 있습니다. SETI 연구자들의 과제는 항상 가능한 전송, 지상 RFI 및 우주 소스의 전파를 구별하는 것이었습니다. 연구를 위해 Ma와 그의 동료들은 480시간 동안 하늘을 관찰하는 동안 GBT가 관찰한 820개의 고유 표적에 Beta-Convolutional Variational Autoencoder 알고리즘을 적용했습니다.

Ma는 Dunlap Insitute의 보도 자료에서 “우리가 관찰한 결과 많은 간섭이 있었습니다.”라고 말했습니다. "우리는 우주의 흥미진진한 무선 신호와 지구에서 오는 흥미롭지 않은 무선 신호를 구별해야 합니다." "우리가 관찰한 많은 것에는 간섭이 많습니다"라고 Ma는 Dunlap Institute 보도 자료에서 말했습니다. "우리는 우주의 흥미로운 무선 신호와 지구에서 오는 흥미롭지 않은 무선 신호를 구별해야 합니다."

Ma는 고등학교 시절부터 이 알고리즘 작업을 시작했으며, 기술 서명 검색을 간소화하여 SETI를 가속화할 수 있기를 바랐습니다. Ma에 따르면 이 알고리즘은 기계 학습의 두 가지 하위 유형인 지도 학습과 비지도 학습을 결합한 것으로서 그는 이를 "반비지도 학습"이라고 부릅니다. 이 접근 방식에는 감독 기술을 사용하여 알고리즘을 안내하고 훈련하여 일반화(비지도 기술 사용)하고 데이터에서 숨겨진 패턴을 더 쉽게 찾을 수 있도록 도와줍니다.

Dunlap Institute에 합류한 이후 Ma와 그의 동료들은 시뮬레이션된 신호를 사용하여 알고리즘을 훈련시켜 원래 외계에서 발생했을 수 있는 잠재적인 신호와 인간이 생성한 간섭을 구별했습니다. 또한 Ma의 알고리즘을 다양한 기계 학습 애플리케이션, 정밀도 및 위양성 비율과 비교하고 해당 정보를 사용하여 완제품을 만들었습니다. Ma는 “저는 논문이 출판된 후에야 이 모든 것이 고등학교 프로젝트로 시작됐지만 선생님들이 별로 높이 평가하지 않았다고 팀에 말했습니다.”라고 덧붙였습니다.

이 알고리즘을 GBT 데이터에 적용했을 때 그들은 지구에서 30~90광년 떨어진 5개 별에서 관심 있는 8개의 새로운 무선 신호를 발견했습니다. 이러한 신호는 기계 학습에 의존하지 않은 이전 분석에서 간과되었습니다. 그러나 SETI 팀은 이러한 신호를 두 가지 이유로 주목할 만한 것으로 간주합니다. GBT의 Breakthrough Listen 프로젝트 과학자인 Steve Croft 박사는 다음과 같이 설명했습니다.