Un jeune chercheur a réussi à identifier des indices spatiaux en utilisant l’apprentissage automatique et l’intelligence artificielle. Leur méthode a permis de découvrir huit signaux d’intérêt venant de l’espace qui n’avaient pas encore été identifiés.

Les scientifiques qui étudient chaque partie du vaste univers disposent de divers instruments qui reçoivent des informations de l’espace. Dans toutes ces données, il est possible qu’il y ait des signaux extraterrestres qui n’ont pas encore été identifiés que l’intelligence artificielle pourrait aider à détecter.

En fait, il est possible que la seule raison pour laquelle nous n’avons pas de preuves concrètes de la vie extraterrestre soit simplement que ces preuves se perdent dans une mer de données.

En d’autres termes, ces instruments ont peut-être déjà reçu des signaux – bien qu’il n’y ait pas encore de preuve définitive de cela – mais en raison des méthodes et algorithmes inefficaces d’aujourd’hui, nous les avons manqués.

Selon vague allemandepour cette raison, l’étudiant universitaire de l’Université de Toronto, Pierre mamanavec le Search Institute for Extraterrestrial Intelligence (SETI), Breakthrough Lists et des organisations de recherche scientifique du monde entier, a appliqué cette apprentissage automatique et intelligence artificielle à un ensemble de données précédemment examinées d’étoiles proches.

À la surprise du chercheur, la nouvelle méthode a révélé huit signaux d’intérêt jusque-là non identifiés, selon un communiqué de presse.

Selon les premiers résultats de la nouvelle étude publiée dans astronomie naturelle, il y a une faible possibilité que la nouvelle méthode ait mis au jour des « technosignatures » non terrestres. Cela permettrait d’atteindre l’objectif de SETI de trouver des signaux d’intelligence extraterrestre. Mais la question demeure : avons-nous trouvé de tels signes ?

COMMUNIQUÉ DE PRESSE: https://t.co/crfRvTseVz
L’apprentissage automatique nous aidera-t-il à trouver la vie extraterrestre ?

La recherche a appliqué une technique d’apprentissage en profondeur à un ensemble de données d’étoiles proches précédemment examinées et a découvert huit signaux d’intérêt non identifiés auparavant. pic.twitter.com/w97LUch3kB

— L’Institut SETI (@SETIInstitute) 30 janvier 2023

Un avenir prometteur dans la recherche de signaux extraterrestres

Pour l’instant, la réponse courte est toujours non. Néanmoins, le nouveau système, qui a identifié 100 fois plus de modèles dignes d’être étudiés dans le bruit que ce qui avait été observé auparavant, a découvert huit signaux suffisamment intéressants pour susciter des observations de suivi. Et tout cela à partir d’une petite partie des enregistrements des radiotélescopes de l’humanité.

Les données proviennent de 480 heures d’observations de 820 étoiles par le radiotélescope Robert C. Byrd Green Bank, commandé par SETI Breakthrough pour rechercher des ondes radio qui pourraient indiquer la présence de civilisations extraterrestres.

« Au total, nous avions recherché 150 To de données pour 820 étoiles proches, dans un ensemble de données précédemment recherché à l’aide de techniques classiques en 2017 mais signalé comme des signaux d’intérêt manquants », a déclaré Ma.

«Nous étendons maintenant cet effort de recherche à 1 million d’étoiles et au-delà avec le télescope MeerKAT. Nous pensons qu’un tel travail contribuera à accélérer le rythme auquel nous pouvons faire des découvertes dans notre grande quête pour répondre à la question : « Sommes-nous seuls dans l’univers ? », a-t-il ajouté.

Qu’est-ce qui rend ces huit signes intéressants ?

Selon le communiqué de presse du SETI Institute, l’algorithme de Ma a spécifiquement sélectionné les huit signaux radio car, entre autres, ils sont à bande étroite. Et, selon la déclaration, « les signaux causés par des phénomènes naturels ont tendance à être à large bande ».

Les signaux présentaient également un certain nombre de propriétés suggérant qu’ils n’étaient pas causés par des interférences terrestres, telles que le fait qu’ils présentaient des taux de dérive non nuls. Plus précisément, selon les chercheurs, cela signifie que les signaux présentaient une pente, ce qui pourrait indiquer que l’origine d’un signal avait une accélération relative au niveau de nos récepteurs, c’est-à-dire qu’il n’était pas local à l’observatoire radio.

Application des méthodes modernes d’apprentissage automatique

Bien que nous n’ayons pas encore trouvé beaucoup de confirmation que nous ne sommes pas seuls dans l’univers, cette nouvelle approche de l’analyse des données pourrait permettre aux chercheurs de comprendre plus efficacement les données qu’ils collectent et de réexaminer rapidement les cibles.

« Ces résultats illustrent de manière spectaculaire la puissance de l’application de méthodes avancées d’apprentissage automatique et de vision par ordinateur aux défis des données en astronomie, conduisant à la fois à de nouvelles découvertes et à un débit accru. L’application à grande échelle de ces techniques transformera la science des radio-technosignatures », a déclaré Cherry Ng, une autre conseillère de recherche de Ma et astronome à la fois à l’Institut SETI et au Centre national de la recherche scientifique.