人工智能正在“侵入”許多領域，最近的一次是天文學和對宇宙中智慧生命的探索(SETI)。由加州大學伯克利分校(University of California, Berkeley)領導的SETI項目“突破聆聽”(Breakthrough Listen)研究人員，已經利用機器學習技術，從距地球約30億光年的神秘源頭發現了72個新的快速無線電脈沖。快速射電爆發是一種僅持續幾毫秒的明亮射電脈沖，被認為來自遙遠的星系。然而，這些釋放的來源仍不清楚。理論范圍從被附近超大質量黑洞的氣體噴燃的高磁化中子星，到認為爆炸性質與先進文明發展技術特征一致的觀點。
博科園-科學科普：伯克利SETI研究中心主任安德魯·西米恩(Andrew Siemion)表示：這項研究令人興奮，不僅因為它幫助我們更詳細地了解了快速射電爆發的動態行為，還因為它展示了利用機器學習來檢測經典算法遺漏的信號的前景。突破聆聽是在宇宙中發現智能生命跡象的主動權。突破性聆聽還應用了成功的機器學習算法來發現可能來自外星文明的新信號。雖然大多數快速無線電爆發都是一次性的，但這里的源，FRB 121102，在發射重復爆發中是獨一無二的。
這一現象引起了許多天文學家的注意，他們希望能找到導致快速射電爆發的原因和極端物理現象。在2017年8月26日，西維吉尼亞州的格林班克望遠鏡在5個小時的時間里記錄了人工智能算法從數據中提取無線電信號。早先對400兆兆字節數據的分析使用了標準計算機算法來識別這段時間內的21次突發事件。伯克利SETI計劃的博士后研究員Vishal Gajjar說：所有這些都在一小時內被發現，這表明源在靜止和狂亂活動之間交替。
突破聆聽研究人員利用人工智能來搜索從快速無線電爆發中記錄下來的無線電信號，捕捉到的信息比人類能捕捉到的多得多，使用類似算法來搜索來自外星文明的新型候選信號。圖片：Breakthrough Listen image
加州大學伯克利分校的博士生Gerry Zhang和他的合作者隨后開發了一種新的、強大的機器學習算法，并重新分析了2017年的數據，發現了另外72次最初未檢測到的爆炸。自2012年發現FRB 121102以來，總共檢測到的突發事件從121102上升到300起。這項工作只是開始使用這些強大的方法來尋找無線電瞬變信號，研究人員希望能夠激發其他將機器學習應用于射電天文學的認真努力。團隊使用了一些互聯網技術公司用來優化搜索結果和分類圖像的技術。
訓練了一種被稱為卷積神經網絡的算法來識別Gajjar和合作者使用的經典搜索方法發現的突發事件，然后在數據集中釋放它來發現經典方法遺漏的突發事件。這些結果有助于對FRB 121102脈沖的周期性施加新的約束，這表明脈沖不會以常規模式接收，至少如果該模式的周期超過10毫秒。正如脈沖星脈沖的模式幫助天文學家限制了計算機模型對這些天體的極端物理條件的限制一樣，FRBs的新測量將有助于找出這些神秘來源的力量。不管frb本身最終是否被證明是外星科技的標志，“突破聆聽”正幫助推動我們理解周圍宇宙一個新的快速增長領域前沿。
博科園-科學科普｜參考期刊文獻 :《天體物理學》｜研究/來自：加州大學伯克利分校
博科園-傳遞宇宙科學之美
