Os humanos têm cinco novas pistas na busca de encontrar vida além do nosso sistema solar.
Cientistas tentando abordar a questão: “Estamos sozinhos no universo?” usaram uma nova técnica de machine learning para descobrir oito “sinais de interesse” não detectados anteriormente de cerca de cinco estrelas próximas. A equipe aplicou um algoritmo a dados previamente estudados coletados pelo Green Bank Telescope na Virgínia Ocidental como parte de uma campanha realizada pela Breakthrough Listen, uma iniciativa privada que busca 1 milhão de estrelas próximas, 100 galáxias próximas e o plano da Via Láctea em busca de sinais de desenvolvimento tecnológico. vida avançada.
E o projeto quase não aconteceu. “Eu só disse à minha equipe após a publicação do artigo que tudo começou como um projeto de ensino médio que não foi muito apreciado pelos meus professores”, disse o primeiro autor Peter Ma, agora aluno de graduação da Universidade de Toronto, no Canadá, em uma afirmação.
Esta não é a primeira vez que algoritmos de computador foram usados para pesquisar a vastidão do espaço em busca de “tecnoassinaturas”, sinais gerados tecnologicamente que poderiam marcar outras civilizações extraterrestres avançadas.
No entanto, como muitos algoritmos usados para filtrar os dados do telescópio foram desenvolvidos décadas atrás para os primeiros computadores digitais, eles geralmente estão desatualizados e ineficientes quando aplicados aos enormes conjuntos de dados gerados pelos observatórios modernos.
Esses algoritmos clássicos foram usados para examinar os dados do Green Bank Telescope e essa ineficiência pode ser o motivo pelo qual esses dados originalmente não indicaram nenhum sinal de interesse em 2017, quando os cientistas os examinaram originalmente. Ao todo, os pesquisadores analisaram 150 terabytes de dados representando observações de 820 estrelas próximas, embora queiram aplicar o algoritmo a ainda mais dados.
“Com nossa nova técnica, combinada com a próxima geração de telescópios, esperamos que o machine learning possa nos levar da busca de centenas de estrelas à busca de milhões”, disse Ma em um comunicado.
Os pesquisadores descobriram que a principal força do novo algoritmo era organizar os dados dos telescópios em categorias, permitindo-lhes distinguir entre sinais reais e “ruído” ou interferência. Embora os telescópios envolvidos na busca por assinaturas tecnológicas sejam colocados em áreas do globo onde há interferência mínima da tecnologia humana, como telefones celulares, esses sinais ainda são captados. (A maioria dos programas SETI se concentra em ondas de rádio porque elas podem viajar na velocidade da luz por grandes distâncias, principalmente sem obstáculos como nuvens de poeira interestelar; infelizmente, as mesmas características fizeram das ondas de rádio a pedra angular da comunicação humana na Terra.)
“Em muitas de nossas observações, há muita interferência”, disse Ma. “Precisamos distinguir os excitantes sinais de rádio no espaço dos desinteressantes sinais de rádio da Terra.”
Para garantir que o novo algoritmo não fosse confundido por sinais originários da Terra, Ma e a equipe treinaram suas ferramentas de machine learning para diferenciar a interferência gerada por humanos de possíveis sinais extraterrestres. Eles testaram uma variedade de algoritmos, determinando a precisão de cada algoritmo e com que frequência ele caía em falsos positivos.
O algoritmo mais bem-sucedido combinou dois subtipos de machine learning: aprendizado supervisionado, no qual os humanos treinam o algoritmo para ajudá-lo a generalizar, e aprendizado não supervisionado, que pode caçar em grandes conjuntos de dados novos padrões ocultos. Unidos no que Ma chamou de “aprendizado semi-sem supervisão”, essas abordagens descobriram oito sinais originários de cinco estrelas diferentes localizadas entre 30 e 90 anos-luz de distância da Terra.
Os sinais são candidatos convincentes para assinaturas tecnológicas genuínas, de acordo com Steve Croft, cientista do projeto Breakthrough Listen. “Primeiro, eles estão presentes quando olhamos para a estrela e ausentes quando desviamos o olhar – em oposição à interferência local, que geralmente está sempre presente”, disse ele. “Em segundo lugar, os sinais mudam de frequência ao longo do tempo de uma forma que os faz parecer distantes do telescópio.”
Croft alertou que em conjuntos de dados massivos que podem conter milhões de sinais, um único sinal pode ter essas duas características por puro acaso. “É um pouco como caminhar por um caminho de cascalho e encontrar uma pedra presa na sola do sapato que parece se encaixar perfeitamente”, disse ele.
Portanto, embora os pesquisadores acreditem que esses oito sinais se assemelham ao que se espera de uma assinatura tecnológica, eles não podem dizer com segurança que algum ou todos os sinais se originam de inteligência extraterrestre. Os cientistas precisariam detectar os mesmos sinais várias vezes, e essa repetição não apareceu durante as breves observações de acompanhamento do Green Bank Telescope.
“Estou impressionado com o desempenho dessa abordagem na busca por inteligência extraterrestre”, disse Cherry Ng, co-autor da pesquisa e astrônomo também da Universidade de Toronto, no mesmo comunicado. “Com a ajuda da inteligência artificial, estou otimista de que seremos capazes de quantificar melhor a probabilidade da presença de sinais extraterrestres de outras civilizações”.
A equipe agora quer aplicar o mesmo algoritmo aos dados coletados por observatórios como o array MeerKAT na África do Sul.
“Estamos ampliando esse esforço de busca para 1 milhão de estrelas hoje com o telescópio MeerKAT e além”, disse Ma em um segundo comunicado. “Acreditamos que um trabalho como este ajudará a acelerar a taxa com que podemos fazer descobertas em nosso grande esforço para responder à pergunta: ‘Estamos sozinhos no universo?'”
Publicado em 02/02/2023 00h21
Artigo original:
Estudo original: