Inteligência Artificial ajuda cientistas a rastrearem sinais de rádio misteriosos do universo
Pesquisadores do Breakthrough Listen, um projeto do SETI liderado pela Universidade da Califórnia, em Berkeley, usaram agora Machine Learning para descobrir 72 novas rajadas rápidas de rádio (FRB em inglês) provenientes de uma galáxia anã localizada há cerca de 3 bilhões de anos-luz da Terra.
As FRB's são pulsos luminosos de emissão de rádio, com duração de milissegundos, provavelmente originados de galáxias distantes. A fonte dessas emissões ainda não foi esclarecida até o momento. As teorias variam de estrelas de nêutrons altamente magnetizadas jateadas por correntes de gás de um buraco negro supermassivo nas proximidades, até sugestões de que as propriedades de explosão são consistentes com assinaturas de tecnologia desenvolvidas por uma civilização avançada.
O Breakthrough Listen também está aplicando com sucesso o algoritmo de Machine Learning para encontrar novos tipos de sinais que possam vir de civilizações extraterrestres.
Os algoritmos de IA capturaram estes sinais de rádio durante um período de cinco horas em 26 de agosto de 2017, pelo Green Bank Telescope em West Virginia. Uma análise anterior de 400 terabytes de dados empregou algoritmos de computador padrão para identificar 21 explosões durante esse período. Todos foram vistos dentro de uma hora, sugerindo que a fonte alterna entre períodos de quiescência e atividade frenética, disse o pesquisador de pós-doutorado do SETI de Berkeley Vishal Gajjar.
UC Berkeley Ph.D. O estudante Gerry Zhang e colaboradores desenvolveram posteriormente um novo e poderoso algoritmo de aprendizado de máquina e revisaram novamente os dados de 2017, encontrando 72 disparos adicionais não detectados originalmente. Isso eleva o número total de explosões detectadas de FRB 121102 para cerca de 300, desde que foi descoberto em 2012.
Os novos resultados foram descritos em um artigo aceito para publicação no The Astrophysical Journal e está disponível para download no site Breakthrough Listen.
