异想天开,加拿大多伦多大学华裔学生开发新技术寻找外星人

本质上都是骗经费的，哪有那么容易找到外星人啊

在多伦多大学研究人员的带领下，一个科学家团队通过使用一种新算法将望远镜中的数据进行了分类，以区分真实信号和干扰信号，从而简化了对地球外生命的搜索。 通过机器学习的AI程序，新方法使研究人员能够快速对信息进行分类。

自1960年代以来，致力于“SETI”（寻找地球外智慧生物）的天文学家使用强大的射电望远镜搜索了数千颗恒星和数百个星系，以寻找信号。然而，人为干扰对探索构成了重大挑战。 “在我们的观测中存在很多干扰，”多伦多大学艺术与科学学院数学和物理本科生Peter Ma说，他是《自然天文学》上发表的一篇新研究论文的第一作者。 “我们需要将太空中令人兴奋的无线电信号与来自地球的无趣无线电干扰信号区分开来。” 通过模拟这两种类型的信号，该团队训练了他们的机器学习工具来区分外星信号和人类产生的干扰。他们比较研究了它们的精度和误报率，然后利用这些信息确定了一个强大的算法。 这种由Ma创建的新算法已经发现了八种新的无线电信号，这些信号可能是来自外星。这些信号来自距离地球30到90光年的五颗不同的恒星。在之前对相同数据的分析中，这些信号被忽略了。 对SETI团队来说，这些信号被认为是值得注意的。“首先，它们在我们注视恒星时存在，而在我们移开视线时不存在，这与通常总是存在的干扰信号不同，”科学家Steve Croft说。“其次，信号的频率随着时间的推移而变化。” 作为维多利亚学院的一员，Ma将他创建的算法称为机器学习的两种子类型的组合：监督学习和无监督学习。他的方法被称为“半监督学习”。 在12年级的计算机科学课上，Ma首先提出了将这种特定算法应用于寻找外星智能的想法。不幸的是，他说，该项目让他的老师感到困惑，他们不确定如何使用它。 “我只是在论文发表后才告诉我的团队，这一切都是从一个高中项目开始的，我的老师并没有真正理解它，”Ma说。 Cherry Ng是多伦多大学邓拉普天文学和天体物理学研究所的助理研究员，也是该论文的第二作者，她说新想法在SETI这样的领域非常重要。“通过使用各种技术挖掘数据，我们或许能够发现令人兴奋的信号，”她说。 Ng自2020年夏天以来一直与Ma一起从事这个项目，他说机器学习是大数据天文学时代的必经之路。“我对这种方法在寻找外星智能方面的表现印象深刻，”Ng说。 “在人工智能的帮助下，我乐观地认为我们将能够更好地量化地球外生物存在的可能性。” 展望未来，Ma、Ng和SETI团队的其他成员希望扩展他们的新算法并将其应用于其他方面。

百尺竿头更进一步...