当前位置:首页 > 芯闻号 > 充电吧
[导读]用于收听格林班克望远镜数据的机器学习算法从神秘的重复源FRB 121102中找到新的脉冲。

如果你读过三体,那你应该对FRB已经非常了解了,你可以直接跳过下面对FRB的说明,直接跳到AI的部分开始看~

科学家并不确切地知道快速无线电爆发(FRB)是什么。他们所知道的是,他们来自很远的地方。事实上,经常出现的是距离我们30亿光年的星系。中子星或他们可能是外星人打电话回家。

快速无线电突发或FRB是无线电发射的明亮脉冲,持续时间仅为几毫秒,被认为来自遥远的星系。大多数FRB都在一次爆发中见证过。相比之下,FRB 121102是迄今为止唯一一个发出重复爆发的人,其中包括在2017年使用西弗吉尼亚州的绿色望远镜(GBT)进行的突破性观察中发现的21次。

FRB的来源和机制仍然是神秘的。以前的研究表明,121102的爆发来自距地球30亿光年的星系,但发射它们的物体的性质仍然未知。理论范围从高度磁化的中子星,靠近超大质量黑洞的气流爆炸,到爆破特性与先进文明开发的技术特征一致的建议。

“并非所有发现都来自新观察,”突破计划的执行主任Pete Worden表示,其中包括Listen,“在这种情况下,应用于现有数据集的是聪明的原创思维。它提升了我们对天文学中最诱人的谜团之一的认识。“

为了更深入地了解这个有趣的对象,加利福尼亚大学伯克利分校SETI研究中心的听力科学团队于2017年8月26日使用GBT的Breakthrough Listen数字仪器观察了FRB 121102 5小时。他们报道了400 TB的数据(在Berkeley SETI博士后研究员Vishal Gajjar领导的一篇论文中,最近接受了天体物理学杂志3的发表),共计21次爆发。所有人都在一小时内被看到,这表明来源在静止和疯狂活动之间交替。

现在,加州大学伯克利分校的博士生Gerry Zhang和合作者开发了一种新的,功能强大的机器学习算法,并重新分析了2017 GBT数据集,发现了另外72个最初未检测到的爆发。 Zhang的团队使用了一些与互联网技术公司用来优化搜索结果和分类图像相同的技术。他们训练了一种称为卷积神经网络的算法来识别用Gajjar和合作者使用的经典搜索方法发现的突发,然后将其放在400 TB数据集上,以找到经典方法错过的突发。

结果有助于对来自FRB 121102的脉冲的周期性施加新的限制,这表明脉冲不是以规则模式接收的(至少如果该模式的周期长于约10毫秒)。正如来自脉冲星的脉冲模式已经帮助天文学家限制了这些物体中极端物理条件的计算机模型,FRB的新测量将有助于弄清楚这些神秘来源的能力。

“这项工作只是开始使用这些强大的方法来发现无线电瞬态,”Gerry Zhang说道,“我们希望我们的成功可能激发其他认真的努力,将机器学习应用于射电天文学。”

“Gerry的工作令人兴奋不仅仅是因为它有助于我们更详细地了解FRB的动态行为,”Berkeley SETI研究中心主任和突破性听取首席研究员Andrew Siemion博士说,“但也因为它对使用机器的承诺学习检测经典算法遗漏的信号。“

无论FRB本身最终是否都是外星技术的签名,Breakthrough Listen正在帮助推动我们对周围宇宙的新认识和快速发展领域的前沿。

新结果在一篇接受在天体物理学杂志上发表的文章(Zhang et al.1188)中有所描述。可以在seti.berkeley.edu/frb-machine上获得该论文的预印本,检测到的突发的动画,分析中使用的数据和代码以及观察的进一步细节。

突破性聆听是一项科学计划,旨在寻找宇宙中技术生命的证据。它的目的是在广泛的无线电和光学波段上调查100万颗附近的恒星,整个银河系和100个附近的星系。

应用于绿岸望远镜监听数据的机器学习算法发现来自神秘重复源FRB 121102的新脉冲。传统搜索方法错过了这些新的爆发,并且有助于回答有关FRB 121102起源的问题。机器学习算法是 也被应用于帮助侦听从地外情报中搜索新类型的候选信号。

描述这些结果的论文已经被接受发表在《天体物理学杂志》上,并将于2018年9月10日在arXiv预印本服务器上发表。

2007年,第一个FRB引起了[Duncan Lorimer]和[David Narkevic]的注意,同时对2001年的数据进行了筛选。这些宽带突发很难识别,因为它们持续了几毫秒。伯克利的研究人员使用以前已知的FRB训练软件他们然后从天空的一部分给了软件5小时的活动记录,并发现了72个以前未知的FRB。

当然,我们很乐意听到ET的消息。然而,很难想象如果你想故意记录,你会以更明显的方式做到这一点。当然,也许我们只是在偷听一些外星球队的Trunked通信系统。我们总是认为先进的文明将有数据压缩,使数据看起来很随机,我们经常想知道时间膨胀对调制的影响,如果源相对于我们快速移动。

可悲的是,最可能的解释是像黑洞一样平凡无奇。当人们在操作期间打开微波炉时,一些FRB甚至在地球上生成。也许,我们看到星际7-11加热巨型卷饼。

如果你想在没有大量装备的情况下亲自尝试射电天文学,你可以加入Zooniverse。或者你可以破解旧卫星天线。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

随着人工智能(AI)模型变得越来越复杂,数据量不断攀升,数据中心正在通过改变系统架构,来实现更快、更高效的处理。

关键字: AI 连接器

近日举办的GTC大会把人工智能/机器学习(AI/ML)领域中的算力比拼又带到了一个新的高度,这不只是说明了通用图形处理器(GPGPU)时代的来临,而是包括GPU、FPGA和NPU等一众数据处理加速器时代的来临,就像GPU...

关键字: FPGA AI 图形处理器

西门子作为制造业数字化转型成功的代表企业之一,面对生产、服务与业务增长等挑战,积极拥抱AI、自动化等新兴技术,优化企业业务流程,打造企业数字化技术新基座,开拓出更多业务转型思路。

关键字: 自动化 AI 数字化

2024年3月20日,2024中国闪存市场峰会(CFMS2024)在深圳宝安前海·JW万豪酒店盛大举办。本次峰会以“存储周期、激发潜能”为主题,共同探讨在供需关系依然充满挑战的大环境下,未来存储市场的变化,以及如何挖掘产...

关键字: SSD 存储 AI

今天,小编将在这篇文章中为大家带来机器学习的有关报道,通过阅读这篇文章,大家可以对它具备清晰的认识,主要内容如下。

关键字: 机器学习 TensorFlow PyTorch

随着科技日新月异的进步,语音识别技术已成为人工智能领域的一项核心突破。这项技术旨在模拟人类听觉系统,通过复杂算法和模式识别手段将连续或离散的语音信号转换为可理解的文本或指令信息。本文深入探讨了语音识别技术在多个领域的广泛...

关键字: 语音识别 人工智能

随着人工智能和信息技术的飞速发展,语音识别技术已经从实验室走向了现实生活中的各个角落,成为人机交互领域的重要组成部分。语音识别产品不仅丰富了我们的日常生活,也正在深刻地改变着众多行业的工作模式和服务形态。

关键字: 语音识别 人工智能

近日,胡润研究院发布《2024家大业大酒·胡润全球富豪榜》。70岁的钟睒睒财富比去年缩水9%,以4500亿元连续第四次成为中国首富,位于全球第21位,同比下降6位。44岁的黄峥财富比去年增长71%,即1600亿元,是今年...

关键字: 钟睒睒 AI

在当今大数据和人工智能时代,机器学习作为核心的技术驱动力,正以前所未有的速度改变着我们的生活和工作方式。从基础的数据分析到复杂的决策支持系统,机器学习模型的成功构建和应用离不开一套严谨的流程。本文将详尽阐述机器学习过程中...

关键字: 机器学习 人工智能
关闭
关闭