SETI – Search for Extraterrestrial Intelligence – er samlenavnet for den vitenskapelige jakten på intelligent, utenomjordisk liv. En del av søket handler om å finkjemme elektromagnetisk stråling fra verdensrommet på jakt etter merkelige signaler – noe som kan være tegn på fjerne sivilisasjoner.
I en ny studie publisert i Nature Astronomy har forskere ved University of California, Berkeley og University of Toronto testet å bruke maskinlæring for å få fart på søket. Metoden har blitt brukt på et sett med 480 timer med data fra 820 stjerner, samlet inn av verdens største fullt styrbare radioteleskop, som ligger ved Green Bank i West Virginia, USA.
Fant åtte interessante signaler
Ulike SETI-prosjekter har lenge gransket radiosignaler fra verdensrommet. Men letingen etter signaler som kan være tegn på utenomjordisk aktivitet, kompliseres av signaler fra menneskelig teknologi. Den nye metoden skal kunne avhjelpe dette ved å filtrere ut radiobølger fra menneskelig aktivitet.
Maskinlæringsmetoden analyserte 115 millioner databiter og identifiserte 3 millioner potensielt interessante signaler. Deretter lyktes de med å redusere antall treff til 20.515, som er 100 ganger færre enn tidligere analyser av samme datasett.
Forskerne har så gått gjennom treffene og kunnet produsere åtte tidligere uoppdagede interessante signaler. Ingen av disse er imidlertid sett i nye observasjoner. Ifølge forskerne kan metoden for å skanne store datasett øke effektiviteten i letingen etter utenomjordisk liv.
Studerer én million stjerner
Dataene som ble brukt i prosjektet, er hentet fra Breakthrough Listen-initiativet. Prosjektet ble satt i gang i 2016 og bruker forskjellige teleskoper for å studere de én millioner stjernene nærmest jorden i 100 forskjellige galakser.
Breakthrough Listen er basert ved University of California, Berkeley.
Artikkelen ble først publisert på Ny Teknik
