Scienza ed esplorazioni
Allen Telescope Array

Il machine learning sta aprendo nuovi orizzonti nella ricerca di vita extraterrestre

Un nuovo approccio di analisi dati che utilizza il machine learning, sta aprendo nuovi orizzonti nella ricerca di vita extraterrestre. Lo dimostra l’ultimo studio eseguito insieme a ricercatori del SETI Institute, che si occupa della ricerca di prove d’intelligenza extraterrestre.

Lo studio

Lo studio è stato guidato dallo studente universitario Peter Ma dell’Università di Toronto, in collaborazione con istituti di ricerca scientifica da tutto il mondo. Ha applicato una tecnica di deep learning a 150 Terabyte di dati di 820 sorgenti radio vicine, scoprendo 8 segnali d’interesse non identificati in precedenza durante l’analisi del 2017.

Ma ha affermato: “Riteniamo che un lavoro come questo contribuirà ad accelerare la velocità con cui siamo in grado di fare scoperte, nel nostro grande sforzo per rispondere alla domanda “siamo soli nell’Universo?‘”.

Il machine learning applicato ai dati SETI

Lo studio ha riesaminato i dati acquisiti con il Green Bank Telescope nel West Virginia, come parte di una campagna del progetto Breakthrough Listen. L’obiettivo era applicare nuove tecniche di deep learning a un algoritmo di ricerca classico, per ottenere risultati più rapidi e accurati.

Dopo aver eseguito il nuovo algoritmo e riesaminato manualmente i dati per confermare i risultati, 8 dei segnali rilevati presentavano delle caratteristiche che li hanno resi particolarmente interessanti:

  • Erano a banda stretta, ovvero avevano un’ampiezza spettrale ridotta, dell’ordine di pochi Hz. I segnali causati da fenomeni cosmici naturali tendono a essere a banda larga.
  • Avevano tassi di deriva diversi da zero, cioè presentavano una certa “pendenza”. Questo potrebbero indicare che l’origine di un segnale ha subito una certa accelerazione con i nostri ricevitori sulla Terra.
  • Sono apparsi nelle osservazioni ON-source e non nelle osservazioni OFF-source, qualcosa di insolito per la provenienza da una sorgente celeste.
Grafici a cascata degli otto segnali d’interesse. Ogni pannello ha un’ampiezza di 2.800 Hz e gli assi x sono riferiti al centro dello snippet dove si trova il segnale. Credits: Ma et al. 2023, SETI Institute, University of Toronto
Grafici a cascata degli otto segnali d’interesse. Ogni pannello ha un’ampiezza di 2.800 Hz e gli assi x sono riferiti al centro dello snippet dove si trova il segnale. Credits: Ma et al. 2023, SETI Institute, University of Toronto

Un passo in avanti nella ricerca d’intelligenza extraterrestre

Nonostante l’analisi dati con le tecniche di machine learning non abbia ancora portato al rilevamento di segnali nuovi, questo approccio consentirà ai ricercatori di comprendere in maniera più efficace e rapida i dati raccolti. E agire in poco tempo per esaminare una volta in più obiettivi particolarmente interessanti.

Ora Ma e i suoi consulenti sono impazienti d’implementare le estensioni di questo algoritmo sul sistema COSMIC del SETI Institute. L’enorme volume di dati raccolti negli Osservatori a terra richiede nuovi strumenti computazionali per elaborare e analizzare rapidamente quei dati. Questo permetterebbe d’identificare eventuali anomalie, che potrebbero essere prove di intelligenza extraterrestre o di altri fenomeni ancora sconosciuti.

La ricerca, pubblicata su Nature Astronomy, può essere trovata qui.

Fonti e approfondimenti