(dr) CSIRO
Radiotelescópio australiano SKA Pathfinder (ASKAP) da CSIRO
Uma equipa de astrónomos criou um algoritmo que simulou como poderia ser uma mensagem alienígena enviada para a Terra.
A humanidade procura há mais de 60 anos por um sinal de uma civilização alienígena que tente contactar connosco. Mas, além de nunca detetado um sinal de rádio de origem extraterrestre, há uma ampla gama de formas possíveis que essa transmissão poderia assumir — o que dificulta ainda mais a tarefa.
Numa tentativa de facilitar esse trabalho, investigadores da Universidade da Califórnia e do Instituto SETI desenvolveram uma nova ferramenta de machine learning que simula a aparência de uma mensagem de inteligência extraterrestre. A ferramenta foi batizada de Setigen e o seu software está disponível em open source.
O método mais comum de procura por mensagens alienígenas tem envolvida a busca no cosmos por sinais de rádio que são de origem artificial. Com o passar do tempo, a procura expandiu-se para cobrir áreas maiores, faixas de frequência mais amplas e maior diversidade de sinais, realça o Inverse.
Agora, o novo algoritmo transforma os dados do sinal de rádio de uma função de espaço e/ou tempo numa função dependente da frequência espacial ou da frequência temporal. Assim, os astrónomos conseguem medir a intensidade de cada frequência durante o período de recolha de dados.
Para os astrónomos do SETI, o machine learning é uma maneira de identificar transmissões em dados brutos de radiofrequência e classificar vários tipos de sinais.
Como a comunidade científica não tem um conjunto de dados de sinais ET, a biblioteca de open source facilita a produção de observações de rádio.
“O que o Setigen faz é facilitar a produção de sinais sintéticos SETI, que podem ser usados em dados totalmente sintéticos ou adicionados a dados observacionais reais para fornecer um ruído e fundo RFI mais realistas”, disse o líder da investigação Bryan Brzycki. “Desta forma, podemos produzir grandes conjuntos de dados de sinais sintéticos para analisar a sensibilidade de algoritmos existentes ou servir de base para treino de machine learning“.
Algoritmos estão a ser atualmente desenvolvidos usando o Setigen para produzir mais sinais simulados. A biblioteca também está a ser constantemente atualizada e aprimorada à medida que a pesquisa do SETI avança.
