Konstgjord Intelligens Hjälper Till Att Hitta Mystiska Snabba Radiobrister - Alternativ Vy

Konstgjord Intelligens Hjälper Till Att Hitta Mystiska Snabba Radiobrister - Alternativ Vy
Konstgjord Intelligens Hjälper Till Att Hitta Mystiska Snabba Radiobrister - Alternativ Vy
Anonim

Konstgjord intelligens infiltrerar många vetenskapliga områden, inklusive astronomi och sökandet efter intelligent liv i universum som kallas SETI.

I en ny studie använde forskare vid Breakthrough Listen, ett SETI-projekt under ledning av University of California i Berkeley, USA, maskininlärningsalgoritmer för att upptäcka 72 nya snabba radiobrister från en mystisk källa cirka 3 miljarder ljusår från jorden. …

Snabba radiobrister är kraftfulla pulser av radioutsläpp på bara några få millisekunder i längd, som tros komma från avlägsna galaxer. Källorna till denna strålning är dock fortfarande okända för forskare. De föreslagna förklaringarna till dessa mystiska fällningar i radioområdet sträcker sig från neutronstjärnor med kraftfulla magnetfält, attackerade av jetstrålar av närliggande svarta hål, till versioner som inkluderar idén om tekniskt avancerade civilisationer som skickar sina signaler.

I det nya arbetet utvecklade ett team som leddes av UC Berkeley doktorand Gerry Zhang framgångsrikt en ny, kraftfull maskininlärningsalgoritm och använde den för att studera FRB 121102, en unik händelse av flera, repetitiva radiobrister inspelade 2012 med ett teleskop Green Bank, beläget i West Virginia, USA. Genom att använda den nya algoritmen gjorde det möjligt för teamet att upptäcka ytterligare 72 snabba radiobrister som inte tidigare hade upptäckts. Som ett resultat är det totala antalet upptäckta snabba radiobrister för FRB 121102-händelsen nu 300 facklor.

Dessa resultat hjälpte också Zhangs team att införa nya begränsningar för frekvensen av snabba radiobrister - arbetet visade att det inte finns någon periodicitet i ankomsten av pulser, åtminstone under perioder längre än 10 millisekunder.

Studien accepteras för publicering i Astrophysical Journal.

Rekommenderas: