НОВОСТИ КОСМОСА И АСТРОНОМИИ

Искусственный интеллект помог астрономам обнаружить неизвестные сигналы из космоса

В рамках проекта SETI, ученые из Калифорнийского университета в Беркли на основании компьютерного моделирования смогли определить сразу 72 новых быстрых радиосигнала от таинственного источника находящегося в трех миллиардах световых лет от Земли. Результаты исследования описаны в новой статье, принятой к публикации в The Astrophysical Journal.

Быстрые радиосигналы — яркие импульсы радиоизлучения, длительностью в миллисекунды, которые, как полагают, приходят из далеких галактик. Однако источник этих сигналов все еще неясен. Теории варьируются: от сильно намагниченных нейтронных звезд, взорванных газовыми потоками из соседней сверхмассивной черной дыры, до предложений о том, что сигналы имеют техногенный характер и посланы разумной цивилизацией.

«Эта работа увлекательна не только потому, что она помогает нам более детально разобраться в динамическом поведении быстрых радиосигналов, но также из-за перспектив, которые мы видим, когда обученные компьютеры при помощи классических алгоритмов сами находят эти сигналы», — сказал Эндрю Симион, директор исследовательского центра Berkeley SETI и главный исследователь программы Breakthrough Listen, посвященной поиску разумной жизни во Вселенной.

В рамках этой программы исследователи успешно использовали алгоритм машинного обучения для поиска новых видов сигналов, которые могут поступать от внеземных цивилизаций.

В то время как самые быстрые радиосигналы являются разовыми по своей сути, обнаруженный источник под названием FRB 121102 является уникальным так как показывает целый комплекс сигналов. Такое поведение привлекло внимание многих астрономов, надеющихся выявить причину и экстремальную физику, участвующую в природе возникновения подобного явления.

Искусственный интеллект обнаружил радиосигналы в базе данных, в пятичасовом отрезке наблюдений 26 августа 2017 года телескопом «Зеленый банк» в Западной Вирджинии. В более раннем анализе 400 терабайт данных использовались стандартные компьютерные алгоритмы для идентификации 21 радио-всплеска за этот период. Все они были замечены в течение одного часа и предполагалось, что источник чередуется между периодами покоя и бешеной активностью, — по крайней мере, так отметил исследователь Berkeley SETI докторант Vishal Gajjar.

Воспитанник SETI, автор исследования Джерри Чжан и его помощники впоследствии разработали новый мощный алгоритм машинного обучения и повторно проанализировали данные 2017 года, обнаружив еще 72 всплеска, которые не были обнаружены первоначально. В итоге наблюдатели с изумлением пришли к выводу, что общее количество обнаруженных всплесков от FRB 121102 составляет около 300 с момент обнаружения объекта в 2012 году.

«Эта работа — только начало использования новых мощных методов для поиска переходных процессов радиосигналов», — сказал Чжан. «Мы надеемся, что наш успех может вдохновить другие серьезные организации на применение машинного обучения в радиоастрономии».

Команда Чжана использовала те же методы, которые используют специалисты интернет-технологий для оптимизации результатов поиска и классификации изображений. Они разработали алгоритм, известный как сверточная нейронная сеть, который позволяет распознать радио-всплески, найденные классическим методом поиска, используемым Гаджаром и сотрудниками, а затем обнаружить их в базе данных, найти всплески, которые были пропущены при классическом подходе к поиску.

Результаты помогли установить новые ограничения на периодичность импульсов из FRB 121102 и указали на то, что импульсы имеют не регулярный характер в том случае, если период этого шаблона больше, чем около 10 миллисекунд. Подобно тому, как модели импульсов пульсаров помогли астрономам ограничить компьютерные модели экстремальных физических условий в таких объектах, новые измерения FRB, по мнению ученых, помогут выяснит природу новых загадочных источников.

«Независимо от того, будут ли сигналы от FRB в конечном итоге признаком внеземных технологий, Breakthrough Listen помогает продвигать границы новой и быстро растущей области нашего понимания Вселенной вокруг нас», — подвел итог Джан.

нравится(3)не нравится(1)

Искусственный интеллект прогнозирует вероятность существования жизни на других планетах

Развитие искусственного интеллекта поможет нам предсказать вероятность существования жизни на других планетах.

В исследовании используются самообучающиеся нейронные сети для классификации планет на пять типов. Вероятность существования жизни оценивается в каждом случае, эти данные могут быть использованы для будущих миссий межзвездной разведки. Работа представлена на Европейской неделе астрономии и космической науки (EWASS) в Ливерпуле 4 апреля Кристофером Бишопом.

Искусственные нейронные сети — это системы, которые самообучаются так же, как учится человеческий мозг. Они являются одним из основных инструментов, используемых в машинном обучении, и особенно хороши при определении моделей, которые слишком сложны для обработки человеческим мозгом.

Команда ученых, базирующаяся в Центре робототехники и нейронных систем в Университете Плимута, обучила свою сеть классифицировать планеты на пять различных типов. Основываясь на том, являются ли они наиболее похожими на современную Землю, раннюю Землю, Марс, Венеру или луну Сатурна — Титан. Все пять из этих объектов — это скалистые космические тела, которые, как известно, имеют атмосферы, и являются одними из наиболее потенциально пригодных объектов для существования жизни в нашей Солнечной системе.

Г-н Бишоп комментирует: «В настоящее время мы заинтересованы в ИИ для определения приоритетности исследований для гипотетического, интеллектуального, межзвездного космического аппарата, сканирующего систему экзопланет на большом расстоянии от нас».

Он добавляет: «Мы также рассматриваем использование больших антенн Fresnel, развертываемых, плоских антенн для отправки данных на Землю от межзвездного зонда на больших расстояниях. Это необходимо, если технология будет использоваться на роботизированных космических ап

паратах в будущем».

Атмосферные наблюдения, известные как спектры пяти тел Солнечной системы, представлены в качестве входных данных для сети, которые затем классифицируются в терминах планетарного типа. Поскольку в настоящее время известно, что жизнь существует только на Земле, классификация использует метрику «вероятности жизни», которая основана на относительно хорошо понятых атмосферных и орбитальных свойствах пяти целевых типов.

Ученые ввели в сеть более чем сотню различных спектральных профилей, каждый из которых имеет несколько сотен параметров, которые соответсвуют обитаемости.

«Учитывая полученные результаты, этот метод может оказаться чрезвычайно полезным для категоризации различных типов экзопланет, обнаруженных в результате наблюдений наземных и околоземных обсерваторий», — говорит д-р Анджело Кангелоси, руководитель проекта.

Эта методика также может быть использована для выбора целей будущих наблюдений, учитывая увеличение спектральных деталей, ожидаемых от предстоящих космических миссий, таких как космическая миссия Ariel Space Mission ЕКА и запуска космического телескопа Джеймса Уэбба НАСА.

нравится(1)не нравится(0)

Источники: https://phys.org/news/2018-04-artificial-intelligence-likelihood-life-worlds.html

ИИ охотится за турбо звездами в Млечном Пути

Искусственный интеллект смог обнаружить редкие, сверхбыстрые звезды в Млечном Пути, благодаря данным зонда Gaia Европейского космического агентства. Миссия Gaia пытается построить детализированные трехмерные космические карты, измеряя позиции звезд в отдаленных местах.

Ученые считают, что звезды, обладающие гиперскоростью (HVSes), далеки от галактического центра Млечного Пути, двигаются со скоростью превышающую вторую космическую скорость. Однако только 20 из них покинули нашу галактику, большинство из являются поздними звездами типа B или звездами, которые ярче и крупнее Солнца.

Группа исследователей представила результаты своего исследования относительно HVSes на Европейской неделе астрономической науки в Чешской Республике. В документе, который они опубликовали в конце мая в «Ежемесячных уведомлениях Королевского астрономического общества», описывается система как нейронная сеть с пятью входными единицами астрометрических параметров.

Они имитировали ложные данные на основе реальных результатов из каталога Gaia с входом, описывающим координаты этих звезд, включая расстояние и яркость. Затем они вычислили скорость.

Издание The Register отметило, что алгоритм сократил набор данных почти на 2 миллиона звезд до примерно 20 000 или 1 процента от каталога. Результаты показали сложные динамические системы HVSes.

Команда обнаружила, что 14 звезд движутся на второй космической скорости в галактической системе, но до 50 процентов из них имеют вероятность выхода из Млечного Пути.

Елена Мария Росси, соавтор статьи и исследователь Лейденского университета, заявила о важности звезд путешествовать на гиперскоростях, особенно в отношении изучения общей структуры Млечного Пути. Она сказала, что их плотность дает важную информацию о гравитационном поле галактики, от центра до окраины.

 

нравится(1)не нравится(0)

Популярные статьи

Популярные блоги