Искусственный интеллект помог найти новые быстрые радиовсплески
- Информация о материале
- Категория: ИТ статьи
- Опубликовано: 02.02.2019, 18:12
- Автор: HelpDesk
- Просмотров: 1237
Астрономы отчитались о новых результатах инициативы по поиску внеземного разума Breakthrough Listen. Ученые создали систему искусственного интеллекта, которая позволила зарегистрировать 72 новых быстрых радиовсплеска от единственного известного повторного источника подобных сигналов в дополнение к 21, обнаруженному ранее в рамках Breakthrough Listen. Статья с результатами принята к публикации в Astrophysical Journal, препринт доступен на сайте arXiv.org.
Быстрые радиовсплески (Fast radio bursts, FRB) — это яркие короткие, несколько миллисекунд, импульсы радиоизлучения. Ученые считают, что они приходят из далеких галактик, однако точный механизм их генерации неизвестен. Предположения разнятся от падения комет на нейтронные звезды и процессов вблизи черных дыр до деятельности внеземных цивилизаций. Большинство FRB наблюдаются лишь единожды, но один, получивший название FRB 121102, является источником многих подобных сигналов. Многие ученые называют FRB одной из важнейших нерешенных задач современной астрофизики.
В 2017 году астрономы наблюдали FRB 121102 при помощи специального оборудования на радиотелескопе Green Bank в США. За пять часов им удалось зафиксировать 21 новое событие, из чего можно сделать вывод, что этот источник переключается между режимами относительного спокойствия и высокой активности. В новой работе ученые натренировали систему машинного обучения на поиск подобных явлений, что позволило найти еще 72 FRB в архивных данных.
Результаты позволили установить новые ограничения на периодичность FRB 121102. Анализ показал, что всплески порождаются нерегулярно. Это может стать важной информацией для понимания механизма появления FRB подобно тому, как периодичность сигналов пульсаров позволила прояснить их природу. «Данная работа — лишь начало использования подобных мощных методов для поиска быстрых явлений в радиодиапазоне, — говорит первый автор новой статьи, Джерри Чжан из Калифорнийского университета в Беркли (США). — Мы надеемся, что наш успех вдохновит другие серьезные исследования по применению машинного обучения в радиоастрономии».