Die künstliche Intelligenz erobert viele Gebiete – kürzlich auch die Astronomie und die Suche nach intelligentem Leben im Universum, SETI genannt. Forscher von Breakthrough Listen, einem SETI-Projekt unter Leitung der University of California in Berkeley, haben jetzt maschinelles Lernen verwendet, um 72 neue schnelle Radioblitze von einer rund drei Milliarden Lichtjahre entfernten, rätselhaften Quelle zu entdecken.
Schnelle Radioblitze sind helle Pulse aus Radioemissionen, die einige Millisekunden dauern und vermutlich aus fernen Galaxien stammen. Die Quelle dieser Emissionen ist allerdings noch immer unklar. Die Theorien reichen von hochgradig magnetisierten Neutronensternen, die von Gasströmen eines nahen supermassiven Schwarzen Lochs getroffen werden, bis zu Vorschlägen, laut denen die Eigenschaften der Radioblitze mit Signaturen einer technisch fortgeschrittenen Zivilisation übereinstimmen.
„Diese Arbeit ist nicht nur spannend, weil sie uns hilft, das dynamische Verhalten von schnellen Radioblitzen genauer zu verstehen, sondern auch weil sie vielversprechend zeigt, dass maschinelles Lernen Signale registrieren kann, die von klassischen Algorithmen übersehen wurden“, sagte Andrew Siemion. Er ist der Direktor des Berkeley SETI Research Center und leitender Wissenschaftler von Breakthrough Listen, der Initiative zum Aufspüren von Zeichen intelligenten Lebens im Universum.
Breakthrough Listen wendet den erfolgreichen Algorithmus des maschinellen Lernens auch an, um neue Signaltypen zu finden, die von extraterrestrischen Zivilisationen stammen könnten.
Etwas emittiert wiederholt starke Energieausbrüche
Während die meisten schnellen Radioblitze einmalige Ereignisse sind, ist diese Quelle hier – genannt FRB 121102 – einzigartig, weil sie wiederholt Radioblitze emittiert. Dieses Verhalten hat die Aufmerksamkeit vieler Astronomen auf sich gezogen, die darauf hoffen, die Ursache und die extremen physikalischen Abläufe zu ergründen, die an schnellen Radioblitzen beteiligt sind.
Die Algorithmen der künstlichen Intelligenz fanden die Radiosignale in Daten, die am 26. August 2017 während einer Zeitspanne von fünf Stunden vom Green Bank Telescope in West Virginia aufgezeichnet wurden. Eine frühere Analyse der 400 Terabyte großen Datenmenge mittels Standardalgorithmen identifizierte 21 Radioblitze während dieser Zeitspanne. Alle wurden innerhalb einer Stunde registriert, was laut dem Postdoktoranden Vishal Gajjar dafür spricht, dass die Quelle zwischen ruhigen Phasen und Phasen erhöhter Aktivität wechselt.
Der Doktorand Gerry Zhang von der UC Berkeley und seine Mitarbeiter entwickelten danach einen neuen, leistungsfähigen Algorithmus zum maschinellen Lernen und analysierten die Daten aus dem Jahr 2017 nochmals, wobei sie weitere 72 Radioblitze fanden, die vorher nicht registriert wurden. Das erhöht die Gesamtanzahl der Radioblitze von FRB 121102 seit ihrer Entdeckung im Jahr 2012 auf ungefähr 300.
„Diese Arbeit ist erst der Anfang dieser leistungsfähigen Methoden, um kurzlebige Radioquellen zu finden“, sagte Zhang. „Wir hoffen, dass unser Erfolg andere seriöse Ansätze für die Anwendung maschinellen Lernens in der Radioastronomie inspiriert.“
Zhangs Team nutzte einige der gleichen Techniken, die Internet-Unternehmen für die Optimierung von Suchergebnissen und die Einordnung von Bildern verwenden. Die Forscher trainierten einen Algorithmus, der als konvolutionelles neurales Netzwerk bezeichnet wird, um Radioblitze zu erkennen, die mit der klassischen Suchmethode von Gajjar und Kollegen gefunden wurden. Dann ließen sie den Algorithmus die Datensätze durchsuchen, um Radioblitze zu finden, welche von der klassischen Methode übersehen wurden.
Die Ergebnisse halfen dabei, die Periodizität der Pulse von FRB 121102 besser einzugrenzen. Das lässt darauf schließen, dass die Pulse nicht mit einem regelmäßigen Muster erscheinen, zumindest wenn die Periode dieses Musters länger dauert als zehn Millisekunden. Genau wie die Pulsmuster von Pulsaren Astronomen halfen, Computermodelle über die extremen physikalischen Bedingungen in solchen Objekten zu verfeinern, so werden die neuen Messungen von schnellen Radioblitzen helfen festzustellen, was diese rätselhaften Quellen antreibt.
„Ob die schnellen Radioblitze sich letztendlich als Signaturen von extraterrestrischer Technologie herausstellen werden oder nicht, Breakthrough Listen hilft die Grenzen für ein neues und rasch wachsendes Forschungsgebiet zu erweitern, um das Universum um uns herum zu verstehen“, sagte Siemion.
Die neuen Ergebnisse werden in einer Abhandlung beschrieben, der zur Veröffentlichung im Astrophysical Journal freigegeben wurde und auf der Breakthrough Listen Website heruntergeladen werden kann.
(THK)
Antworten