É detectado sinais estranhos em dados captados por rádio.
Nos últimos anos, uma explosão de programas de Inteligência Artificial (IA) incrivelmente capazes, como Midjourney, DALL-E 2 e ChatGPT, mostrou o rápido progresso que a ciência alcançou no aprendizado de máquina. Agora, a IA é usada em praticamente todas as áreas de pesquisa para ajudar os cientistas com tarefas de classificação de rotina.
A IA também está ajudando radioastrônomos a ampliar a busca por vida extraterrestre, e os resultados até agora têm sido promissores.
O pesquisador Peter Ma, da Universidade de Toronto (Canadá), decidiu analisar um banco de dados de 150 TB, referentes a 820 estrelas próximas de nós, na tentativa de encontrar indícios de fenômenos não-naturais. Foram escaneados em busca de evidências de tecnologia extraterrestre, as chamadas tecnoassinaturas.
Então Peter Ma e colegas desenvolveram uma ferramenta de análise de dados do tipo classificador de IA, baseada em inteligência artificial. A abordagem consistiu em aplicar novas técnicas de aprendizado profundo a um algoritmo de pesquisa tradicional para produzir resultados mais precisos e, de modo mais rápido.
O novo software encontrou oito sinais de interesse que não haviam sido detectados anteriormente. A equipe então checou manualmente os dados para confirmar os resultados, e verificou que os novos sinais têm várias características que as tornam merecedores de atenção. Estes sinais apresentavam as características de assinaturas tecnológicas diferentes de uma interferência de rádio:
- Os sinais têm banda estreita, o que significa que apresentam uma pequena largura espectral de apenas alguns hertz (Hz). Pois sinais causados por fenômenos naturais tendem a ser de banda larga.
- Os sinais têm taxas de desvio diferentes de zero, o que significa que, quando plotados em um gráfico apresentam uma inclinação. Esses picos podem indicar que a origem de um sinal teve alguma aceleração em relação aos receptores do radiotelescópio, portanto não podem ter-se originado no próprio radiotelescópio.
- Os sinais apareceram em observações da fonte, mas não em observações fora da fonte. Se um sinal se origina de uma fonte celeste específica, ele aparece quando apontamos nosso radiotelescópio para o alvo e desaparece quando o apontamos para outro local. A interferência de rádio humana geralmente ocorre em observações na fonte e fora dela devido à proximidade da fonte.
"Esses resultados ilustram dramaticamente o poder da aplicação de métodos modernos de aprendizado de máquina e visão computacional para desafios de dados em astronomia, resultando em novas detecções e maior desempenho. A aplicação dessas técnicas em escala será transformadora para a ciência da tecnoassinatura de rádio," disse Peter Ma.
A PESQUISA
Os radiotelescópios produzem enormes volumes de dados, e nele há enormes quantidades de interferência de fontes como telefones, wifi e satélites. Os algoritmos de pesquisa precisam ser capazes de filtrar assinaturas tecnológicas reais de “falsos positivos”.
Peter Ma criou um conjunto de dados de treinamento, inseriu sinais simulados em dados reais e, em seguida, usou esse conjunto de dados para treinar um algoritmo de IA chamado autocodificador”. À medida que este processava os dados, ele “aprendia” a identificar características manifestadas nos dados.
Em uma segunda etapa, esses recursos foram alimentados com um algoritmo chamado classificador de floresta aleatória, que cria árvores de decisão para decidir se um sinal é digno de nota, ou apenas interferência de rádio. Depois de treinar o algoritmo de IA, a equipe de Price alimentou mais de 150 terabytes de dados (480 horas de observação) do Telescópio Green Bank, na Virgínia Ocidental. Foram identificadas 20.515 sinais de interesse, que tiveram que ser inspecionados manualmente. “Destes, oito sinais tinham as características de assinaturas tecnológicas e não podiam ser atribuídos à interferência de rádio”, disse o pesquisador.
SOZINHOS NO UNIVERSO?
A equipe já está reexaminando esses oito novos alvos de interesse, mas ainda não conseguiu novas detecções de nenhum desses sinais.
Contudo, essa nova abordagem de análise de dados pode permitir que os astrônomos entendam com mais eficácia os dados que coletam e hajam mais rapidamente para reexaminar os alvos, não deixando vários anos se passarem.
"Estamos ampliando esse esforço de busca para um milhão de estrelas hoje com o telescópio MeerKAT, e iremos além. Acreditamos que um trabalho como esse ajudará a acelerar a taxa com que podemos fazer descobertas em nosso grande esforço para responder à pergunta 'Estamos sozinhos no universo?'," concluiu Peter Ma.
Fonte: InovaçãoTec, OlhaDigital.
0 Comentários
