人工智能帮助追踪神秘的宇宙无线电爆炸
机器学习算法还有助于寻找外星智能的新信号
人工智能正在侵入许多领域，最近的一次是天文学和对宇宙中智慧生命的探索(SETI)。
由加州大学伯克利分校(University of California, Berkeley)领导的SETI项目“突破聆听”(Breakthrough Listen)的研究人员，已经利用机器学习技术，从距地球约30亿光年的神秘源头发现了72个新的快速无线电脉冲。快速射电爆发是一种仅持续几毫秒的明亮射电脉冲，被认为来自遥远的星系。然而，这些排放的来源仍不清楚。理论范围从被附近超大质量黑洞的气体喷燃的高磁化中子星，到认为爆炸性质与先进文明发展的技术特征一致的观点。“这项工作不仅仅是激动人心的,因为它帮助我们理解快速详细无线电脉冲的动态行为,还因为承诺了使用机器学习错过了经典算法来检测信号,”安德鲁•西蒙表示伯克利SETI研究中心主任和首席研究员突破听,主动寻找宇宙智慧生命的迹象。
突破性侦听还应用了成功的机器学习算法来发现可能来自外星文明的新信号。虽然大多数快速无线电爆发都是一次性的，但这里的源，FRB 121102，在发射重复的爆发中是独一无二的。这一现象引起了许多天文学家的注意，他们希望能找到导致快速射电爆发的原因和极端物理现象。
在2017年8月26日，西维吉尼亚州的格林班克望远镜在5个小时的时间里记录了人工智能算法从数据中提取无线电信号。早先对400兆兆字节数据的分析使用了标准的计算机算法来识别这段时间内的21次突发事件。所有这些都在一小时内被发现，这表明源在静止和狂乱活动之间交替，伯克利SETI计划的博士后研究员Vishal Gajjar说。加州大学伯克利分校的博士生Gerry Zhang和他的合作者随后开发了一种新的、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炸。自2012年发现FRB 121102以来，总共检测到的突发事件从121102上升到300起。“这项工作只是开始使用这些强大的方法来寻找无线电瞬变信号，”张说。“我们希望我们的成功能够激发其他将机器学习应用于射电天文学的认真努力。”
张磊的团队使用了一些互联网技术公司用来优化搜索结果和分类图像的技术。他们训练了一种被称为卷积神经网络的算法来识别Gajjar和合作者使用的经典搜索方法发现的突发事件，然后在数据集中释放它来发现经典方法遗漏的突发事件。这些结果有助于对FRB 121102脉冲的周期性施加新的约束，这表明脉冲不会以常规模式接收，至少如果该模式的周期超过10毫秒。Siemion说，正如脉冲星脉冲的模式帮助天文学家限制了计算机模型对这些天体的极端物理条件的限制一样，FRBs的新测量将有助于找出这些神秘来源的力量。他补充说:“不管frb本身最终是否被证明是外星科技的标志，“突破性聆听”正帮助推动我们理解周围宇宙的一个新的快速增长领域的前沿。”
