您现在的位置是:首页 >动态 > 2021-04-08 09:26:33 来源:

SETI如何使用现成的AI来搜索外星生命

导读 搜索外星智能研究所(SETI)正在使用Nvidia和Google 的现成机器学习技术来推进其在宇宙中寻找其他生命形式的使命。 使用这些工具,去年秋天

搜索外星智能研究所(SETI)正在使用Nvidia和Google 的现成机器学习技术来推进其在宇宙中寻找其他生命形式的使命。

SETI如何使用现成的AI来搜索外星生命

使用这些工具,去年秋天新聘用的研究生发现了迄今为止发现的最丰富的信号数据集。

“实际上,我并不相信他,但最终证明这是真的。事实上,花费时间最长的事实上是撰写论文并通过同行评审,“伯克利SETI研究中心主任Andrew Siemion说。

Siemion与Pandorabots首席执行官劳伦坤泽今天在谈到VB峰会2018,为期两天的会议在神学院米尔谷,加利福尼亚州举行的公司高管。

这项工作包括搜索可能来自智能生命形式所使用的技术的信号 - 例如电磁活动或无线电或激光信号。

“如此快速的无线电爆发或FRB是我们在天文学中所知道的最激动人心的资源,”Siemion说。“我们大约10年前才发现它们。我们知道大约有50个左右的来源,其中一个已知可以重复 - 事实上它是唯一一个已知重复的东西。据我们所知,目前它是这种行为的唯一来源。有人建议源的实际祖先可能是某种技术。“

SETI通过在世界各地放置能够每秒产生数百千兆字节数据的大型望远镜来寻找这些信号,每年由SETI突破性听力计划存储数百兆字节。然后使用机器学习来搜索异常数据。

去年秋天,该团队在西弗吉尼亚州绿岸望远镜产生的数据中,在6小时内检测到21个FRB。一个月后,由研究生开发的算法发现另外72个爆发,使其成为SETI有史以来最丰富的数据集。

商品硬件有助于降低非营利组织SETI的成本,并防止其不得不依赖旧工具。Siemion说,在射电天文学中,为望远镜建造仪器传统上是通过从头开始创造需要数年才能开发的东西来完成的,并且在它准备好使用时已经过时了。

“我们在伯克利的团队中只有十几名全职员工,当然也没有足够的人员 - 或者肯定是专业知识 - 从头开始​​开发机器学习框架和算法和管道,”他解释道。

Siemion说,我们并不孤单,并补充说,使用商品技术而不是定制解决方案的方法在天文学中变得越来越普遍。

“有很多机会可以利用这些算法,正在开发的软件工具包,我们非常有兴趣继续应用这些算法来进行更多的发现。事实上,我们可能拥有许多,更多的FRB,甚至可能还有一些来自外星智能的信号,这些信号埋藏在我们的数据中,等待被发现,“他总结道。