Une intelligence artificielle est utilisée afin d’analyser d’anciennes données à la recherche d’extraterrestres et trouve des signaux d’intérêts
Avez-vous déjà découvert un e-mail important dans vos spams ? Le même principe amène certains astronomes à se demander si des extraterrestres n’auraient pas déjà tenté d’établir un contact radio, mais nous l’avons manqué dans les tonnes et les tonnes de données inutilisées créées chaque année par la recherche au télescope.
Image d’entête : le Green Bank Telescope (GBT), de l’observatoire de Green Bank, qui est le plus grand radiotélescope orientable du monde. (Dave Green/ Green Bank Observatory)
Une nouvelle étude a utilisé l’apprentissage automatique pour passer au peigne fin des centaines d’heures de signaux radio à la recherche d’éléments intéressants qui pourraient être l’équivalent d’un message important dans votre dossier à indésirables.
Ils ont identifié 115 millions d’éléments, mais en utilisant l’apprentissage automatique, ils ont pu réduire la recherche à huit « signaux d’intérêt » découverts récemment.
Malheureusement, aucun signe définitif d’extraterrestres n’a encore été trouvé, mais la nouvelle méthode pourrait être utilisée sur d’autres grands ensembles de données, permettant potentiellement aux scientifiques de rechercher rapidement dans de grandes quantités de données pour peut-être trouver des messages d’extraterrestres.
Selon l’équipe internationale de chercheurs dans leur nouvelle étude (lien plus bas) :
“Sommes-nous seuls ?”, est l’une des questions scientifiques les plus profondes que les humains aient posées.
La recherche d’une intelligence extraterrestre (SETI) vise à répondre à cette question en recherchant des preuves de vie intelligente ailleurs dans la galaxie via les ‘technosignatures’ créées par leur technologie.
Les chercheurs ont utilisés les données de l’observatoire de Green Bank (image d’entête), situé en Virginie occidentale, aux États-Unis. Cette antenne est le plus grand radiotélescope entièrement orientable du monde et effectue environ 6 500 heures d’observations radio chaque année.
480 heures de données ont été utilisées pour cette nouvelle étude, ce qui a permis de faire un zoom sur les données radio de 820 étoiles. Ces données ont été transmises à un outil d’apprentissage automatique qui utilise un nouveau « β-convolutional auto-encodeur variationnel » ou β-VAE pour faire court.
Le modèle d’apprentissage automatique a examiné 115 millions de « bribes », et il est revenu avec près de 3 millions de « signaux d’intérêt ». Cependant, parmi ces signaux d’intérêt, beaucoup se sont avérés être des interférences de fréquence radio. Cela signifie qu’il s’agit probablement de signaux radio provenant de la Terre et non de l’espace. Après quelques manipulations humaines des données, ils ont réduit le nombre de signaux d’intérêt à un peu plus de 20 000.
Selon les chercheurs dans leur étude :
Nous avons réduit le nombre de signaux candidats d’environ deux ordres de grandeur par rapport aux précédentes analyses sur le même ensemble de données. Après une inspection visuelle, nous identifions huit signaux d’intérêt prometteurs qui présentent des signaux restreints et dérivants.
En mai 2022, l’équipe est revenue vérifier ces huit sources, qui provenaient de cinq étoiles différentes. Malheureusement, ils n’ont pas trouvé de lectures similaires, ce n’est donc pas une preuve irréfutable concernant des extraterrestres.
Cependant, le fait de laisser l’IA examiner des millions de bribes de bruits radioélectriques et de réduire le champ de recherche est une perspective séduisante pour les chercheurs.
La plupart des données astronomiques étant actuellement inutilisées, cela pourrait être un bon moyen de « réutiliser » certaines de ces données pour trouver une toute nouvelle méthode de détection.
Les chercheurs de cette étude sont maintenant impatients d’analyser d’autres ensembles de données, des radiotélescopes Square Kilometre Array en Australie au Very Large Array au Nouveau-Mexique.
L’étude publiée dans Nature Astronomy : A deep-learning search for technosignatures from 820 nearby stars et présentée sur le site de l’Université de Toronto : U of T undergrad develops AI technique to accelerate the search for extraterrestrial life et sur le site de l’observatoire de Green Bank : Astronomers Apply New AI Technique to Accelerate the Search for Extraterrestrial Life.