|
|
地球是宇宙中独一存在生物的星球吗？这可纷歧定。
据51.CA报导，在加拿大多伦多大学钻研人员的率领下，一个迷信家团队经过使用一种新算法将望远镜中的数据进行了分类，以区别实在信号和搅扰信号，从而简化了对地球外生命的搜寻。
经过机器学习的AI顺序，新办法使钻研人员可以疾速对信息进行分类。
自1960年代以来，努力于“SETI”（寻觅地球外智慧生物）的天文学家使用弱小的射电望远镜搜寻了数千颗恒星和数百个星系，以寻觅信号。但是，报酬搅扰对探究构成为了严重应战。
“在咱们的观测中存在得多搅扰，”多伦多大学艺术与迷信学院数学和物理本科生Peter Ma说，他是《天然天文学》上颁发的一篇新钻研论文的第一作者。
“咱们需求将太空中使人兴奋的无线电信号与来自地球的无趣无线电搅扰信号区别开来。”
经过摹拟这两品种型的信号，该团队训练了他们的机器学习工具来区别外星信号和人类发生的搅扰。他们对比钻研了它们的精度和误报率，而后利用这些信息肯定了一个弱小的算法。
这类由Ma创立的新算法曾经发现了八种新的无线电信号，这些信号多是来自外星。这些信号来自间隔地球30到90光年的五颗不同的恒星。在以前对相反数据的剖析中，这些信号被疏忽了。
对SETI团队来讲，这些信号被以为是值得留意的。“首先，它们在咱们凝视恒星时存在，而在咱们移开眼帘时不存在，这与通常老是存在的搅扰信号不同，”迷信家Steve Croft说。“其次，信号的频率跟着时间的推移而变动。”
作为维多利亚学院的一员，Ma将他创立的算法称为机器学习的两种子类型的组合：监视学习和无监视学习。他的办法被称为“半监视学习”。
在十二年级的计算机迷信课上，Ma首先提出了将这类特定算法运用于寻觅外星智能的设法。可怜的是，他说，该名目让他的教师感到困惑，他们不肯定如何使用它。
“我只是在论文颁发后才告知我的团队，这所有都是从一个高中名目开始的，我的教师并无真歪理解它，”Ma说。
Cherry Ng是多伦多大学邓拉普天文学和天体物理学钻研所的助理钻研员，也是该论文的第二作者，她说新设法在SETI这样的畛域十分首要。“经过使用各种技术挖掘数据，咱们也许可以发现使人兴奋的信号，”她说。
Ng自2020年夏天以来始终与Ma一同从事这个名目，他说机器学习是大数据天文学时期的必经之路。“我对这类办法在寻觅外星智能方面的表示印象粗浅，”Ng说。
“在人工智能的帮忙下，我乐观地以为咱们将可以更好地量化地球外生物存在的可能性。”
瞻望将来，Ma、Ng和SETI团队的其余成员但愿扩展他们的新算法并将其运用于其余方面。
 |
|
注册会员