Procurar nos céus por vida extraterrestre significa gastar muito tempo separando sinais de ruído. Felizmente, a IA é particularmente boa nisso.
Em um novo estudo aceito pelo Astrophysical Journal, os pesquisadores descrevem como eles usaram dados coletados anteriormente de explosões de rádio rápidas (FRBs), um tipo de pulso misterioso de bilhões de anos-luz de distância, para treinar uma rede neural para encontrar mais em dados já coletados.
A VERDADE ESTÁ LÁ FORA
Os FRBs, também conhecidos como “assovios cósmicos”, são pulsos de energia poderosos e curtos que emanam do espaço profundo. Os cientistas não sabem o que os causa, mas eles têm algumas teorias – elas podem ser geradas por estrelas de nêutrons magnetizadas e buracos negros, ou podem ser transmissões de uma civilização alienígena.
FRBs são tão breves que são tediosas para detectar manualmente. Então faz sentido que a IA possa ajudar.
Primeiro, os pesquisadores da Universidade da Califórnia, em Berkeley, treinaram seu algoritmo para detectar FRBs usando explosões registradas anteriormente. Em seguida, eles o colocam em funcionamento, alimentando-o com cinco horas de atividade de rádio coletada de uma parte do céu que geralmente retorna dados FRB. Nesses dados, o algoritmo identificou 72 novas FRBs, elevando o número reconhecido dessa fonte única para cerca de 300.
NOVOS RESULTADOS
“Este trabalho é empolgante não apenas porque nos ajuda a entender o comportamento dinâmico de rádios rápidos em mais detalhes, mas também por causa da promessa que ele demonstra de usar o aprendizado de máquina para detectar sinais perdidos por algoritmos clássicos”, disse Andrew Siemion, diretor do Centro de Pesquisa SETI de Berkeley e principal pesquisador do novo artigo.
A equipe de Berkeley acredita que essa informação poderia ajudar os astrônomos a se concentrarem na causa dos FRBs. Eles também esperam que isso inspire outras pessoas a procurar maneiras de aplicar a IA à radioastronomia. [Futurism]
