Research press release

天文学: 宇宙からの電波信号を機械学習で探索する

Nature Astronomy

Astronomy: Machine learning combs radio signals from space

宇宙からの異常な電波信号を、干渉を除去しながら効率的に特定し、さらなる調査を行うために用いることのできる機械学習法について報告した論文がNature Astronomyに掲載される。この研究は、地球外知的生命体探査(SETI)のブレイクスルー・リッスン・イニシアチブからのデータを用いて、これまで検出されなかった8個の興味深い信号を特定したが、それらは追観測で再検出はされていない。


Peter Maたちは、820個の星を観測するロバート・バード・グリーンバンク望遠鏡で得られた480時間以上のデータに適用した、機械学習に基づいた選択方法を示している。この方法は、1億1500万件のデータを分析し、その中からおよそ300万件の興味深い信号を特定した。この方法によってデータをさらに2万515件の信号に絞り込むことができ、この数字は同じデータセットの従来の解析に比べて100分の1未満である。著者たちは2万515件の信号を調べ、これまで検出されていなかった興味深い8件の信号を発見したが、追観測ではこれらの対象は再検出されていない。


A machine learning method that could be used to efficiently identify unusual radio signals from space for further investigation, while filtering out interference, is reported in a paper published in Nature Astronomy. The research uses data from the Search for Extraterrestrial Intelligence (SETI) Breakthrough Listen Initiative and identified eight previously undetected signals of interest, although they have not been re-detected in follow-up observations.

It has been suggested that the detection of certain types of radio signals could be an indication of potential technological life, given that artificial radio signals can be distinguished from natural ones. SETI programmes have been scanning the sky with radio telescopes for decades to detect unambiguous artificial signals coming from the stars. However, this search is complicated by interference from human technology, which can generate false positive identifications that are time-consuming to filter out from large data sets.

Peter Ma and colleagues present a machine learning-based selection method that they apply to more than 480 hours of data from the Robert C. Byrd Green Bank Telescope, observing 820 stars. The method analysed 115 million snippets of data, from which it identified around 3 million signals of interest. The method was then able to further reduce this to 20,515 signals, which is more than 100 times less than previous analyses of the same dataset. The authors inspected the 20,515 signals and they identified 8 previously undetected signals of interest, although follow-up observations of these targets have not re-detected them.

The authors suggest their method could be applied to other big datasets to accelerate SETI and similar data-driven surveys.

doi: 10.1038/s41550-022-01872-z


メールマガジンリストの「Nature 関連誌今週のハイライト」にチェックをいれていただきますと、毎週各ジャーナルからの最新の「注目のハイライト」をまとめて皆様にお届けいたします。