健康教育网
突破性听研究人员使用从快速无线电爆发中记录的无线电信号搜索人工智能，捕获了多于人类的无线电信号。（突破听图像）
人工智能正在侵入许多领域，最近的天文学，以及寻求宇宙中的智能生活，或者。
突破性倾斜的研究人员，由加州大学伯克利领导的Seti项目现在已经使用了机器学习，从地球上发现72个新的快速无线电阵阵。
快速的无线电突发是在持续时间内仅仅毫秒的无线电发射的亮度，旨在源于遥远的星系。然而，这些排放的来源尚不清楚。从附近超大黑洞的气流爆炸的高度磁化中子恒星的理论，建议突发性能与先进文明开发的技术签名一致。
“这项工作不仅仅是因为它有助于我们了解快速无线电突发的动态行为更详细，而且还因为它所示的使用机器学习来检测古典算法错过的信号，”Andrew Siemion，Directory伯克利集团研究中心和突破性的主要调查员称，倡议在宇宙中寻找智能生活的迹象。
突破性倾听也应用了成功的机器学习算法来查找可能来自外星文明的新型信号。
一些东西正在发出重复和强大的能量爆发
虽然大多数快速的无线电突发是一次性的，但这里源FRB 121102在发射重复突发时是独一无二的。这种行为引起了许多天文学家的注意力，希望将原因放在最大的原因和快速无线电突发中所涉及的极端物理学。
AI算法在2017年8月26日，在西弗吉尼亚州的绿色银行望远镜，在2017年8月26日的五个小时内记录了来自数据的无线电信号。早期分析400 TB的数据采用标准计算机算法以在该期间识别21个突发。所有在一小时内看到，这表明伯克利Seti博士后研究员Vishal Gojjar表示，源代码在静态和疯狂活动之间交替。
UC Berkeley Ph.D.学生格里张和合作者随后开发了一种新的强大的机器学习算法和重新分析2017年数据，最初找不到未检测到的72个突发。这将在2012年发现，从FUB 121102到大约300中的检测到突发的总数。
“这项工作只是使用这些强大方法找到无线电瞬变的开始，”张说。“我们希望我们的成功可能会激发其他严重的努力，在播放机器学习到射频天文学。”
张的团队使用了互联网技术公司使用的一些相同的技术来优化搜索结果并对图像进行分类。他们培训了称为卷积神经网络的算法，以识别Gajjar和协作者使用的经典搜索方法发现的突发，然后将其放在数据集上，以查找古典方法错过的突发。
结果已经帮助对来自FRB 121102的脉冲的周期性提出了对来自FRB 121102的周期性的新约束，这表明该脉冲未被常规图案接收，至少如果该图案的时段长于约10毫秒。Siemion说，正如来自脉冲星的脉冲的脉冲模式都帮助天文学家限制了极端物理条件的计算机模型，这对FRB的新测量将有助于Pum out这些神秘来源，Siemion说。
“FRBS本身是否最终成为外星技术的签名，突破性倾听是帮助推动我们对我们周围宇宙的新的和快速增长的领域的边界，”他补充道。
新的结果是在公布的文章中描述的，其在Astholege Joubhands对于从突破性的突破性地下载的Astrophysical Countaxailailailauber。
