intelligence-artificielle-analyse-signe-de-vie-extra-terrestre

L’intelligence artificielle envahit de nombreux domaines, plus récemment l’astronomie et la recherche d’une vie intelligente dans l’univers. Des chercheurs participant à Listen – un projet SETI mené par l’Université de Californie à Berkeley – ont utilisé l’apprentissage automatique pour découvrir 72 nouvelles émissions radio rapides provenant d’une source mystérieuse située à 3 milliards d’années-lumière de la Terre.

L’IA pour aider à détecter des émissions radio 

Ces émissions radio rapides sont des impulsions lumineuses de milliseconde, considéré comme provenant de galaxies lointaines. La source de ces émissions n’est toujours pas claire. Les théories vont des étoiles à neutrons fortement magnétisées soufflées par les flux de gaz provenant d’un trou noir supermassif, à des suggestions selon lesquelles les propriétés d’éclatement correspondraient aux signatures de technologies développées par une civilisation extraterrestre.

« Ce travail est passionnant, non seulement parce qu’il nous aide à comprendre plus en détail le comportement dynamique des rafales radio rapides, mais aussi parce qu’il promet d’utiliser l’apprentissage automatique pour détecter les signaux manqués par les algorithmes classiques », a déclaré Andrew Siemion, directeur du Centre de recherche de Berkeley SETI et chercheur principal du projet Listen, qui est une initiative afin de trouver des signes de vie intelligente dans l’univers.

Listen applique également un algorithme d’apprentissage qui a réussi à trouver de nouveaux types de signaux qui pourraient provenir de civilisations extra-terrestres. Alors que la plupart des sursauts radio rapides sont naturels, la source ici, FRB 121102, est unique en émettant des salves répétées. Ce comportement a attiré l’attention de nombreux astronomes qui espèrent cerner la cause et la physique extrême impliqué dans ces rafales de radio rapides.

Les algorithmes de l’IA chargés des signaux radio à partir des données ont été enregistrés sur une période de cinq heures, le 26 août 2017 par le Green Bank Telescope en Virginie-Occidentale. Une analyse antérieure des 400 téraoctets de données employait des algorithmes informatiques standard pour identifier 21 rafales au cours de cette période. Toutes ont été vus en une heure, suggérant que la source alterne entre des périodes de repos et d’activité frénétique, a déclaré Vishal Gajjar, chercheur post-doctoral à Berkeley SETI.

Zhang et ses collaborateurs ont développé un nouvel algorithme

De l’UC de Berkeley, l’étudiant Gerry Zhang et ses collaborateurs ont ensuite développé un nouvel algorithme d’apprentissage automatique puissant et ont réanalysé les données de 2017, découvrant 72 autres rafales non détectées à l’origine. Cela porte le nombre total de rafales détectées depuis FRB 121102 à environ 300 depuis sa découverte en 2012.

« Ce travail n’est que le début de l’utilisation de ces méthodes puissantes pour détecter les émissions radio », a déclaré Zhang. « Nous espérons que notre succès inspirera d’autres efforts sérieux dans l’application de l’apprentissage automatique à la radioastronomie. »

L’équipe de Zhang a tiré parti de certaines des techniques utilisées par les entreprises de technologie internet pour optimiser les résultats de recherche et classer les images. Ils ont formé un algorithme connu sous le nom de réseau neuronal convolutif pour reconnaître les rafales trouvées par la méthode de recherche classique, utilisée par Gajjar et ses collaborateurs, puis l’ont mis en place sur leur ensemble de données, pour trouver les rafales que l’approche classique manquait.

Ces résultats ont aidé à mettre en place de nouvelles contraintes sur la périodicité des impulsions de FRB 121102, suggérant que ces impulsions ne sont pas reçues avec un motif régulier, du moins si la période de ce motif est supérieure à environ 10 millisecondes. « Tout comme les modèles d’impulsions des pulsars ont aidé les astronomes à ajuster les modèles informatiques aux conditions physiques extrêmes de ces objets, les nouvelles mesures des FRB aideront à déterminer quelles sont les puissances de ces sources énigmatiques. », a déclaré Siemion.

Breakthrough Listen aidera à repousser les limites de notre compréhension de l’Univers

« Que les FRB elles-mêmes se révèlent être des signatures de technologies extraterrestres ou non, Breakthrough Listen aidera à repousser les limites d’un nouveau domaine en pleine croissance de notre compréhension de l’Univers. », a-t-il ajouté.

Ces nouveaux résultats sont décrits dans un article accepté pour la publication dans The Astrophysical Journal et disponible pour le téléchargement depuis le site Web de Breakthrough Listen.

Source : University of California – Berkeley