Astrónomos simularam porquê seria uma mensagem estrangeiro

0
1841

(dr) CSIRO

Radiotelescópio australiano SKA Pathfinder (ASKAP) da CSIRO

Uma equipa de astrónomos criou um algoritmo que simulou porquê poderia ser uma mensagem estrangeiro enviada para a Terreno.

A humanidade procura há mais de 60 anos por um sinal de uma cultura estrangeiro que tente contactar connosco. Mas, além de nunca detetado um sinal de rádio de origem extraterrestre, há uma ampla gama de formas possíveis que essa transmissão poderia assumir — o que dificulta ainda mais a tarefa.

Numa tentativa de facilitar esse trabalho, investigadores da Universidade da Califórnia e do Instituto SETI desenvolveram uma novidade instrumento de machine learning que simula a paisagem de uma mensagem de perceptibilidade extraterrestre. A instrumento foi batizada de Setigen e o seu software está disponível em open source.

O método mais generalidade de procura por mensagens alienígenas tem envolvida a procura no cosmos por sinais de rádio que são de origem sintético. Com o passar do tempo, a procura expandiu-se para tapar áreas maiores, faixas de frequência mais amplas e maior volubilidade de sinais, realça o Inverse.

Agora, o novo algoritmo transforma os dados do sinal de rádio de uma função de espaço e/ou tempo numa função dependente da frequência espacial ou da frequência temporal. Assim, os astrónomos conseguem medir a intensidade de cada frequência durante o período de recolha de dados.

Para os astrónomos do SETI, o machine learning é uma maneira de identificar transmissões em dados brutos de radiofrequência e qualificar vários tipos de sinais.

Porquê a comunidade científica não tem um conjunto de dados de sinais ET, a livraria de open source facilita a produção de observações de rádio.

“O que o Setigen faz é facilitar a produção de sinais sintéticos SETI, que podem ser usados em dados totalmente sintéticos ou adicionados a dados observacionais reais para fornecer um rumor e fundo RFI mais realistas”, disse o líder da investigação Bryan Brzycki. “Desta forma, podemos produzir grandes conjuntos de dados de sinais sintéticos para averiguar a sensibilidade de algoritmos existentes ou servir de base para treino de machine learning“.

Algoritmos estão a ser atualmente desenvolvidos usando o Setigen para produzir mais sinais simulados. A livraria também está a ser continuamente atualizada e aprimorada à medida que a pesquisa do SETI avança.

  ZAP //

Deixe um comentário