Artificiell intelligens invaderar många fält, senast astronomi och sökandet efter intelligent liv i universum, eller SETI.

Forskare på Breakthrough Listen, ett SETI -projekt som leds av University of California, Berkeley, har nu använt maskininlärning för att upptäcka 72 nya snabba radioutbrott från en mystisk källa cirka 3 miljarder ljusår från jorden.

Snabba radioskador är ljusa pulser av radioutsläpp bara millisekunder i längd, tros komma från avlägsna galaxer. Källan till dessa utsläpp är fortfarande oklart, dock. Teorier sträcker sig från mycket magnetiserade neutronstjärnor sprängda av gasströmmar från ett närliggande supermassivt svart hål, till förslag om att burst -egenskaperna överensstämmer med signaturer av teknik som utvecklats av en avancerad civilisation.

"Det här arbetet är spännande inte bara för att det hjälper oss att förstå det dynamiska beteendet hos snabba radionsprång mer detaljerat, men också på grund av löftet det visar för att använda maskininlärning för att upptäcka signaler som missas av klassiska algoritmer, "sade Andrew Siemion, chef för Berkeley SETI Research Center och huvudutredare för Breakthrough Listen, initiativet att hitta tecken på intelligent liv i universum.

Genombrott Lyssna använder också den framgångsrika maskininlärningsalgoritmen för att hitta nya typer av signaler som kan komma från utomjordiska civilisationer.

Medan de flesta snabba radiostörningar är enstaka, källan här, FRB 121102, är unik för att avge upprepade skurar. Detta beteende har uppmärksammat många astronomer som hoppas kunna fastställa orsaken och den extrema fysik som är involverad i snabba radioutbrott.

AI-algoritmerna muddrade upp radiosignalerna från data spelades in under en femtimmarsperiod den 26 augusti, 2017, av Green Bank Telescope i West Virginia. En tidigare analys av de 400 terabyte med data använde vanliga datoralgoritmer för att identifiera 21 skurar under den perioden. Alla sågs inom en timme, föreslår att källan växlar mellan perioder med vila och frenetisk aktivitet, sa Berkeley SETI postdoktoralforskare Vishal Gajjar.

UC Berkeley Ph.D. studenten Gerry Zhang och medarbetare utvecklade därefter en ny, kraftfull maskininlärningsalgoritm och omanalyserade 2017 års data, att hitta ytterligare 72 skurar som inte upptäcktes ursprungligen. Detta ger det totala antalet upptäckta skurar från FRB 121102 till cirka 300 sedan det upptäcktes 2012.

"Detta arbete är bara början på att använda dessa kraftfulla metoder för att hitta radiotransienter, "sade Zhang." Vi hoppas att vår framgång kan inspirera andra seriösa ansträngningar att tillämpa maskininlärning på radioastronomi. "

Zhangs team använde några av samma tekniker som internetteknikföretag använder för att optimera sökresultat och klassificera bilder. De utbildade en algoritm som kallas ett konvolutionellt neuralt nätverk för att känna igen utbrott som hittades med den klassiska sökmetoden som används av Gajjar och medarbetare, och sedan sätta den lös på datasetet för att hitta skurar som den klassiska metoden missade.

Resultaten har hjälpt till att sätta nya begränsningar för pulsernas periodicitet från FRB 121102, tyder på att pulserna inte tas emot med ett vanligt mönster, åtminstone om perioden för det mönstret är längre än cirka 10 millisekunder. Precis som pulsmönstren från pulsarer har hjälpt astronomer att begränsa datormodeller av de extrema fysiska förhållandena i sådana föremål, de nya mätningarna av FRB kommer att hjälpa till att räkna ut vilka krafter dessa gåtfulla källor, Sa Siemion.

"Oavsett om FRB själva så småningom visar sig vara signaturer av utomjordisk teknik, Genombrott Lyssna hjälper till att driva gränserna till ett nytt och snabbt växande område av vår förståelse av universum runt omkring oss, " han lade till.

De nya resultaten beskrivs i en artikel som accepteras för publicering i The Astrophysical Journal och kan laddas ner från webbplatsen för genombrott lyssna.