在思考發現技術先進的地外生命的可能性時，經常出現的問題是，“如果它們就在那里，為什么我們還沒有找到它們?” 通常，回應是我們只搜索了銀河系的一小部分。此外，幾十年前為最早的數字計算機開發的算法在應用于現代 PB 級數據集時可能已經過時且效率低下。現在，由多倫多大學本科生 Peter Ma 以及來自 SETI 研究所、Breakthrough Listen 和世界各地科研機構的研究人員領導的研究發表在《自然天文學》上，“總的來說，我們搜索了 820 顆附近恒星的 150 TB 數據，該數據集之前曾在 2017 年通過經典技術搜索過，但被標記為缺乏有趣的信號，”主要作者彼得馬說。“今天，我們正在使用 MeerKAT 望遠鏡及其他望遠鏡將搜索工作擴大到 100 萬顆恒星。我們相信，像這樣的工作將有助于加快我們能夠做出發現的速度，以回答‘我們是孤獨的嗎?在宇宙中?'”

搜尋外星智能 (SETI) 通過嘗試檢測外星文明可能發展的技術特征或技術證據，尋找來自地球以外的外星智能的證據。最常用的技術是搜索無線電信號。無線電是在星際之間令人難以置信的距離上發送信息的好方法;它快速穿過彌漫在太空中的塵埃和氣體，而且速度是光速(比我們最好的火箭快大約 20,000 倍)。許多 SETI 工作使用天線來竊聽外星人可能正在傳輸的任何無線電信號。

這項研究重新檢查了西弗吉尼亞州格林班克望遠鏡拍攝的數據，作為突破性聆聽活動的一部分，該活動最初表明沒有感興趣的目標。目標是將新的深度學習技術應用于經典搜索算法，以產生更快、更準確的結果。在運行新算法并手動重新檢查數據以確認結果后，新檢測到的信號具有幾個關鍵特征：

1. 這些信號是窄帶的，這意味著它們的頻譜寬度很窄，大約只有幾赫茲。自然現象引起的信號往往是寬帶的。

2. 信號具有非零漂移率，這意味著信號具有斜率。這樣的斜率可能表明信號的來源與我們的接收器有一些相對加速度，因此不是射電天文臺的本地信號。

3. 這些信號出現在源觀測中，而不是在源觀測中。如果信號來自特定的天體來源，當我們將望遠鏡對準目標時它就會出現，而當我們移開視線時它就會消失。由于源靠近，人類無線電干擾通常發生在 ON 和 OFF 觀察中。

馬云的另一位研究顧問、SETI 研究所和法國國家科學研究中心的天文學家 Cherry Ng 說：“這些結果極大地說明了將現代機器學習和計算機視覺方法應用于天文學數據挑戰的力量，從而導致新的檢測和更高的性能。這些技術的大規模應用將對無線電技術簽名科學產生變革。”

雖然對這些新目標的重新檢查尚未導致對這些信號的重新檢測，但這種分析數據的新方法可以使研究人員更有效地理解他們收集的數據并迅速采取行動重新檢查目標。Ma 和他的導師 Cherry Ng 博士期待在 SETI 研究所的 COSMIC 系統上部署該算法的擴展。

自 1960 年弗蘭克·德雷克 (Frank Drake) 在格林班克天文臺 (Greenbank Observatory) 開始 SETI 實驗以來，該天文臺現在是這項最新工作中使用的望遠鏡所在地，技術進步使研究人員能夠收集比以往更多的數據。如此龐大的數據量需要新的計算工具來快速處理和分析這些數據，以識別可能是外星智慧證據的異常現象。這種新的機器學習方法在尋求回答“我們是孤獨的嗎?”這個問題方面開辟了新天地。

更多信息可以來這里獲取==>>電子技術應用-AET<<