Ученые разработали метод машинного обучения, который можно использовать для быстрой и эффективной идентификации необычных радиосигналов, поступающих из космоса. В рамках исследования, представленного в журнале Nature Astronomy, был рассмотрен массив данных проекта по поиску внеземного разума «Breakthrough Listen».
«Считается, что определенные типы радиосигналов могут указывать на потенциальную развитую внеземную цивилизацию. Различные проекты десятилетиями сканируют небо в их поиске, однако эта задача сильно осложняется помехами от человеческих технологий, которые могут генерировать ложноположительные идентификации, требующие много времени для фильтрации из больших наборов данных», – рассказывают авторы метода.
С целью решить проблему помех ученые разработали метод отбора, основанный на машинном обучении, и применили его к данным, собранным за более чем 480 часов наблюдений на радиотелескопе «Robert C. Byrd Green Bank» за 820 звездами.
«Метод проанализировал 115 миллионов фрагментов данных, в которых было идентифицировано около 3 миллионов сигналов, представляющих интерес. Затем он смог дополнительно уменьшить это значение до 20515 сигналов, удалив ложноположительные, что более чем в сто раз меньше, чем при предыдущем анализе того же набора данных. Изучив оставшийся набор вручную, мы выявили восемь ранее необнаруженных сигналов, представляющих интерес и требующих будущих наблюдений», – заключили авторы исследования.