Al reflexionar sobre la probabilidad de descubrir vida extraterrestre tecnológicamente avanzada, la pregunta que surge a menudo es: « si están ahí fuera, ¿por qué no los hemos encontrado todavía? ». Y, a menudo, la respuesta es que solo hemos buscado en una pequeña porción de la galaxia. Además, los algoritmos desarrollados hace décadas para las primeras computadoras digitales pueden ser obsoletos e ineficientes cuando se aplican a conjuntos de datos modernos a escala de petabytes. Ahora, una investigación publicada en Nature Astronomy y dirigida por un estudiante de pregrado de la Universidad de Toronto, Peter Ma, junto con investigadores del Instituto SETI, Breakthrough Listen e instituciones de investigación científica de todo el mundo, ha aplicado una técnica de aprendizaje profundo a un estudio previamente estudiado. conjunto de datos de estrellas cercanas y descubrió ocho señales de interés no identificadas previamente.

« En total, habíamos buscado a través de 150 TB de datos de 820 estrellas cercanas, en un conjunto de datos que se había buscado previamente en 2017 mediante técnicas clásicas pero etiquetado como desprovisto de señales interesantes », dijo Peter Ma, autor principal. « Estamos escalando este esfuerzo de búsqueda a 1 millón de estrellas hoy con el telescopio MeerKAT y más allá. Creemos que un trabajo como este ayudará a acelerar la velocidad a la que podemos hacer descubrimientos en nuestro gran esfuerzo por responder a la pregunta ‘¿estamos solos? ¿En el universo?' »

La búsqueda de inteligencia extraterrestre (SETI) busca evidencia de inteligencia extraterrestre que se origine más allá de la Tierra tratando de detectar firmas tecnológicas, o evidencia de tecnología, que podrían haber desarrollado civilizaciones extraterrestres. La técnica más común es la búsqueda de señales de radio. La radio es una gran manera de enviar información sobre las increíbles distancias entre las estrellas; atraviesa rápidamente el polvo y el gas que impregnan el espacio, y lo hace a la velocidad de la luz (unas 20.000 veces más rápido que nuestros mejores cohetes). Muchos esfuerzos de SETI usan antenas para escuchar cualquier señal de radio que los extraterrestres puedan estar transmitiendo.

Este estudio volvió a examinar los datos tomados con el telescopio Green Bank en West Virginia como parte de una campaña Breakthrough Listen que inicialmente no indicó objetivos de interés. El objetivo era aplicar nuevas técnicas de aprendizaje profundo a un algoritmo de búsqueda clásico para obtener resultados más rápidos y precisos. Después de ejecutar el nuevo algoritmo y volver a examinar manualmente los datos para confirmar los resultados, las señales recién detectadas tenían varias características clave :

1. Las señales eran de banda estrecha, lo que significa que tenían un ancho espectral estrecho, del orden de unos pocos Hz. Las señales provocadas por fenómenos naturales suelen ser de banda ancha
2. Las señales tenían tasas de deriva distintas de cero, lo que significa que las señales tenían una pendiente. Tales pendientes podrían indicar que el origen de una señal tenía cierta aceleración relativa con nuestros receptores, por lo tanto, no local para el observatorio de radio
3. Las señales aparecieron en observaciones de fuente ON y no en observaciones de fuente OFF. Si una señal se origina en una fuente celeste específica, aparece cuando apuntamos nuestro telescopio hacia el objetivo y desaparece cuando miramos hacia otro lado. La interferencia de radio humana generalmente ocurre en observaciones ON y OFF debido a que la fuente está cerca

Cherry Ng, otro de los asesores de investigación de Ma y astrónomo tanto del Instituto SETI como del Centro Nacional de Investigación Científica de Francia, dijo : « Estos resultados ilustran dramáticamente el poder de aplicar métodos modernos de aprendizaje automático y visión por computadora a los desafíos de datos en astronomía, lo que resulta en tanto nuevas detecciones como un mayor rendimiento. La aplicación de estas técnicas a escala será transformadora para la ciencia de la firma tecnológica de radio ».

Si bien los reexámenes de estos nuevos objetivos de interés aún no han resultado en nuevas detecciones de estas señales, este nuevo enfoque para analizar datos puede permitir a los investigadores comprender de manera más efectiva los datos que recopilan y actuar rápidamente para volver a examinar los objetivos. Ma y su asesor, el Dr. Cherry Ng, esperan implementar extensiones de este algoritmo en el sistema COSMIC del Instituto SETI.

Desde que comenzaron los experimentos SETI en 1960 con el Proyecto Ozma de Frank Drake en el Observatorio de Greenbank, un sitio que ahora alberga el telescopio utilizado en este último trabajo, los avances tecnológicos han permitido a los investigadores recopilar más datos que nunca. Este volumen masivo de datos requiere nuevas herramientas computacionales para procesar y analizar esos datos rápidamente para identificar anomalías que podrían ser evidencia de inteligencia extraterrestre. Este nuevo enfoque de aprendizaje automático está abriendo nuevos caminos en la búsqueda de responder a la pregunta « ¿estamos solos? »