由于機器學習的發(fā)展,SETI(即尋找地外智能)領域正在加速達到新的高度。
在上周發(fā)表在《自然-天文學》上的一篇論文中,由多倫多大學的Peter Ma領導的研究小組分享了一種機器學習方法,用于挖掘來自 "突破聆聽 "項目的數據,以識別可能是潛在技術特征的信號--即表明有智能外星文明的技術復雜性跡象。
隨著人類越來越善于觀察宇宙并了解其歷史,我們是否孤獨的問題從未像現(xiàn)在這樣尖銳。如果地球之外有生命,我們怎么能找到它?為什么我們還沒有被聯(lián)系到?要怎樣才能與外星文明建立起聯(lián)系?
(資料圖片)
Ma的研究集中在電磁波譜的一個特定部分,即窄帶無線電。雖然宇宙中的各種物體都會在廣泛的頻率范圍內發(fā)出輻射,但無線電頻率對于發(fā)送信號特別有效。而當我們,作為人類,使用無線電波進行通信時,我們使用的是窄帶,因為這更有效率。
SETI研究人員認為,外星文明,如果它們在那里,也會這樣做。"Ma解釋說:"從技術角度來看,任何智能文明,如果他們也試圖通過電磁輻射(如無線電)進行傳輸,那么在窄波段進行傳輸是合理的。
為什么我們還沒有被聯(lián)系到?要怎樣才能與一個外星文明建立聯(lián)系呢?
SETI的研究人員對無線電波段的一個特殊部分感興趣,大約在1420MHz范圍內。這被稱為氫線,對天文學家來說很重要,因為它是中性氫發(fā)出輻射的頻率,所以它是研究各種天文目標的關鍵。
研究人員認為,任何對恒星感興趣的外星文明也可能會關注這個波段,因此它被稱為 "銀河系的飲水孔"。如果一個文明試圖在宇宙中進行交流,這是我們對他們用來進行交流的頻率的最佳想法。
這種方法是前些年許多SETI研究的基礎:通過梳理數據來尋找這個頻段的信號,通常使用一種叫做turboSETI的算法。該算法通過頻率搜索時間圖,尋找直線,這表明信號的存在。這是一種搜索大量數據的有效方法,但它也有問題--其中最重要的是過濾掉由地球干擾引起的假陽性結果。
新方法采取了一種不同的方法。研究人員沒有搜索這些直線,而是輸入了原始觀測數據,然后模擬了他們感興趣的那種信號,并訓練他們的算法來識別這些信號。
這使得信號識別有了更靈活的方法,在窄帶中拾取忽上忽下的異?,F(xiàn)象,即使它們沒有傳統(tǒng)算法會標記的簡單線條形狀。這是一種更普遍的方法,允許出現(xiàn)可能無法被地球上的工程師預測到的信號類型。
它也使該方法更快、更有效。"Ma說:"人們最初所做的是采用經典算法,并在管道的某個地方附加了機器學習方法。現(xiàn)在,隨著機器學習領域的發(fā)展,整個管道可以是基于機器學習的。
這很重要,因為SETI本質上是一個數字游戲:挑戰(zhàn)在于從足夠多的望遠鏡中獲取足夠多的數據,以增加探測的機會。梳理所有這些數據以找到宇宙干草堆中的針,需要越來越高效的方法。
更廣泛的SETI領域是一個不尋常的事業(yè),因為研究人員可以將他們的整個職業(yè)生涯用于尋找可能存在或不存在的東西。強大的望遠鏡陣列和機器學習技術等新工具可以幫助使搜索更加準確和精確。"Ma說:"歷史上從來沒有一個更好的時機讓我們做SETI。但是,即使我們的星球之外確實存在生命,我們可能永遠沒有機會發(fā)現(xiàn)它。
另一方面,還有一種誘人的可能性,那就是人類明天可能會探測到一個有趣的信號,甚至外星文明的證據可能已經存在于幾十年來從天空中收集的大量數據中。