Ученые обнаружили десятки загадочных сигналов, исходящих из глубокого космоса. И сделать это удалось, благодаря искусственному интеллекту.
Используя методы машинного обучения для анализа данных с телескопа Green Bank в Западной Вирджинии, команда «Прорыв по прослушиванию» обнаружила 72 быстрых радиосигнала. Все они поступают от объекта, известного как «ретранслятор».
Доказательства странных радиосигналов копились последние несколько лет, но ученые все еще не совсем уверены, что именно является их источником. Последнюю серию быстрых радиосигналов обнаружили в 2017 году.
Так называемый «ретранслятор», объект, который формально известен как FRB 121102, несколько лет озадачивал исследователей. Это единственный источник, который, как известно, испускает повторяющиеся всплески сигналов. Он находится в галактике на расстоянии 3 миллиардов световых лет от Земли, но больше о нем ничего неизвестно.
Некоторые ученые предполагают, что источником могут быть сильно намагниченные нейтронные звезды, в то время как другие считают, будто в их происхождении виновата развитая чужая цивилизация.
И сигналы продолжают поступать.
Ученые обнаружили 72 новых сигнала после повторного изучения 400 терабайт данных. Первоначально они нашли только 21 сигнал.
По словам Пита Уордена, исполнительного директора «Прорывных инициатив», не все открытия делают на основе новых наблюдений. В этом случае они подошли по-другому к существующему набору данных. И это дало новые знания по поводу одной из самых мучительных тайн в астрономии.
Чтобы найти дополнительные сигналы, исследователи сначала обучили сверхточную нейронную сеть распознавать такие типы сигналов, а потом позволили ей работать с огромным набором данных.
Новые результаты дают важное понимание поведения радиосигналов. Исследователи пришли к выводу, что импульсы исходят не по какой-то определенной схеме. Понимание этой модели или ее отсутствия поможет ученым отследить неуловимый источник, от которого исходят сигналы.
По словам специалиста Джерри Чжан, эта работа – только начало использования мощных методов для поиска переходных процессов радиосигналов. Ученые надеются, что их успех может вдохновить других на серьезные усилия для использования машинного обучения в радиоастрономии.
