Yapay zeka sayesinde derin uzaydan gelen gizemli radyo sinyalleri tespit edildi

Onur Binay/milliyet.com.tr

Kainatta çözülmek için hala çok sayıda gizem var. Bunlardan bir tanesi makine öğrenimi sayesinde çözülmüş olabilir. Kaliforniya Üniversitesi, Berkeley SETI Araştırma Merkezi'ndeki bilim insanları, yapay zekanın (AI) 2017 yılına ait bir hızlı radyo patlaması (fast radio burst - FRB) keşfettiğini ortaya çıkardı. Ancak bunların nedenini bilmiyoruz. Yeni AI destekli analiz , önceki taramalardan üç kat daha fazla FRB tespit etti .

FRB 121102 (ya da herhangi başka bir FRB)'nin ortaya çıkış sebebi hala bilinmiyor. Bazı araştırmacılar bunun süpernovalar ya da pulsarlarla (ekseninde dönen nötron yıldızları) ilgili olduğunu düşünürken, bazıları da dünya dışı varlıklarla alakalı olduğunu düşünüyor.

Söz konusu veriler, Batı Virginia'daki Green Bank Teleskobu'ndan geliyor. Ağustos 2017'de incelediği olay FRB 121102 adıyla anılıyor. Yaklaşık 3 milyar ışıkyılı uzaklıkta bir cüce gökadada bulunan 121 121 121, astronomi çevrelerinde sıcak bir konu. FRB'lerin 2007'deki keşiflerinden beri sadece tek sefer ışık yaydıkları düşünülüyordu. 2017'de FRB 121102'den gelen 21 FRB'yi gösterdi, ancak bu gerçekten orada olanın yalnızca bir kısmı olabilir.

Doktora öğrencisi Gerry Zhang liderliğindeki SETI araştırmacıları teleskoplarla toplanan veri setlerinde hızlı radyo patlamaları algılamak için bir konvolüsyonel nöral ağ kurdular. Takım buna Breakthrough Listen projesi diyor. Teknikte, fotoğraftaki nesneleri tanımlamak için bir sinir ağını kullanmaktan çok farklı değil. Ağa, FRB'lerin etiketli verilerle nasıl benzediğini öğrettikten sonra, yeni verilerle doğru değerlendirmeler yapabilir.

Breakthrough Listen, Green Bank Teleskobu'ndan gelen ve içinde 21 FRB'yi de içeren 400 terabaytlık veriyi işledi. Yapay zeka ise o gün 72 farklı ufak patlama keşfetti. Yani FRB 121102'den bir günde algılanan radyo patlaması sayısı toplam 93 oldu.

FRB aktivitesinin daha iyi bir şekilde hesaplanması, astronomların sinyalleri açıklamak için modeller geliştirmelerine yardımcı olacak. Breakthrough Listen gibi teknolojileri kullanarak, diğer FRB'lerin daha önce tespit etmediğimiz şekillerde tekrar ettiğini bile fark edebiliriz.