突破倾听组织的研究人员仍然不知道是什么原因导致了来自遥远星系的无线电波的反复爆发——但多亏了人工智能，他们更加密切地关注着信号来源，不管它是什么。
由加州大学伯克利分校研究生格里·张（Gerry Zhang）领导的研究小组开发了一种新型机器学习算法，用于梳理一年前利用西弗吉尼亚州绿色银行望远镜进行观测活动时收集的数据。
这次活动的重点是一个名为FRB121102的无线电源，位于一个位于30亿光年外的矮星系中的御夫座。在过去的十年里，天文学家观测到了大量的快速射电爆发，每一次都只持续了几毫秒。然而，只有FRB121102被发现发出重复的突发。
已经提出了一些理论来解释这些爆发，从涉及磁化中子星和黑洞的相互作用到先进文明的故意信号传递。
由俄罗斯出生的亿万富翁尤里·米尔纳（Yuri Milner）资助的几个太空项目之一“突破倾听”（Breakthrough Listen）的研究人员去年在他们于2017年8月26日进行了一次长达6个小时的聆听会时，进一步揭开了神秘的面纱。
他们使用标准搜索算法进行了初步分析，发现在监测的第一个小时就有21次突发事件。然后无线电源似乎变得沉默了。
但做到了吗？
为了再次检查数据，张和他的团队使用了最初开发的机器学习技术来优化搜索结果和对图像进行分类。他们在使用更传统的方法发现的突发示例上训练了另一种称为卷积神经网络的算法，然后在完整的数据集上设置AI算法，以寻找可能错过的其他突发。
人工智能算法又发现了72次突发，使FRB121102的快速无线电突发总数自2012年发现以来达到约300次。一篇报道最新结果的论文已被接受在《天体物理学杂志》上发表。
更新的分析表明，没有可预测的模式来重复爆发，至少在时间尺度上超过10毫秒。新的发现可能会对被认为是爆发原因的各种假设施加新的限制，从而有助于解开谜团。
“这项工作只是利用这些强大的方法寻找无线电瞬变的开始，”张表示。“我们希望我们的成功能够激励其他认真的努力，将机器学习应用于射电天文学。
伯克利SETI研究中心主任、“突破监听”的首席调查员安德鲁·西米翁（Andrew Siemion）表示，这些方法还可以解决寻找外星信号的其他挑战。
他说：“不管FRBs本身最终是否最终成为外星科技的标志，《突破倾听》（Breakthrough Liste）正在帮助推动我们对宇宙理解的一个新的、快速增长的领域的前沿。
人工智能能找到外星智能吗？听着...
除了张和Siemion，“快速无线电突发121102脉冲检测和周期：机器学习方法”的作者包括VishalGajjar、Griffin Foster、JamesCorders、CaseyLaw和YuWang。查看伯克利SETI研究中心的网站以获得更多信息，包括完整的预印手稿。