人工智能有助于追踪神秘的宇宙无线电爆发

由加州大学伯克利分校领导的SETI项目Breakthrough Listen的研究人员现在已经使用机器学习从距离地球约30亿光年的神秘光源中发现了72个新的快速无线电爆发。

快速无线电突发是无线电发射的明亮脉冲，持续时间仅为几毫秒，被认为源自遥远的星系。然而，这些排放的来源仍不清楚。理论范围包括来自附近超大质量黑洞的气流爆破的高度磁化的中子星，以及爆破特性与先进文明开发的技术特征一致的建议。

“这项工作令人兴奋，不仅因为它有助于我们更详细地了解快速无线电突发的动态行为，而且还因为它显示了使用机器学习来检测经典算法错过的信号的承诺，”Andrew Siemion说道。伯克利SETI研究中心和Breakthrough Listen的首席研究员，这是一项寻找宇宙中智能生命迹象的倡议。

突破性聆听还运用成功的机器学习算法来寻找可能来自地外文明的新型信号。

虽然大多数快速无线电突发都是一次性的，但这里的源FRB 121102在发出重复突发时是独一无二的。这种行为引起了许多天文学家的注意，希望能够确定快速无线电爆发中涉及的原因和极端物理。

2017年8月26日，西弗吉尼亚州的绿色银行望远镜在5小时内记录了从数据中挖掘出无线电信号的AI算法。早期对400TB数据的分析采用标准计算机算法来识别在此期间的21次爆发。Berkeley SETI博士后研究员Vishal Gajjar说，所有人都在一小时内被看到，这表明来源在静止和疯狂活动之间交替出现。

加州大学伯克利分校博士 学生Gerry Zhang和合作者随后开发了一种新的，功能强大的机器学习算法，并重新分析了2017年的数据，发现了另外72次最初未检测到的爆发。自2012年发现以来，这使得从FRB 121102检测到的突发总数达到300左右。

“这项工作只是开始使用这些强大的方法来发现无线电瞬变，”张说。“我们希望我们的成功可能激发其他认真的努力，将机器学习应用于射电天文学。”

Zhang的团队使用了一些与互联网技术公司用来优化搜索结果和分类图像相同的技术。他们训练了一种称为卷积神经网络的算法，以识别由Gajjar和协作者使用的经典搜索方法找到的突发，然后将其放在数据集上，以找到经典方法错过的突发。

结果有助于对来自FRB 121102的脉冲的周期性施加新的限制，这表明脉冲不以规则模式接收，至少如果该模式的周期长于约10毫秒。正如来自脉冲星的脉冲模式已经帮助天文学家限制这些物体中极端物理条件的计算机模型一样，新的FRB测量将有助于弄清楚这些神秘来源的能力，Siemion说。

“无论FRB本身最终是否都是地外技术的签名，突破性聆听有助于推动我们对周围宇宙的新认识和快速增长领域的前沿，”他补充说。