親子觀星會

人工智能可以寻找地外生命吗 ? Kim Warren-Rhodes

=
多倫多大學以深度學習訓練 AI 演算法算出外星生命跡象

https://www.cnbeta.com.tw/articles/science/1346991.htm
Will Machine Learning Help Us Find Extraterrestrial Life
https://www.seti.org/press-release/will-machine-learning-help-us-find-extraterrestrial-life

最近发表在《自然-天文学》上的一项研究，由多伦多大学本科生Peter Ma和来自SETI研究所、Breakthrough Listen和其他科学机构的研究人员领导，利用深度学习来分析以前研究的附近恒星的数据集。这种新方法发现了八个以前未被发现的感兴趣的信号。

"我们总共搜索了820颗附近恒星的150TB数据，在这个数据集上，以前在2017年通过经典技术搜索过，但被标记为没有有趣的信号，"主要作者Peter Ma说。"我们正在通过MeerKAT望远镜将这项搜索工作扩展到今天的100万颗恒星，甚至更多。我们相信，像这样的工作将有助于加快我们在回答'我们在宇宙中是孤独的吗'这一问题的伟大努力中的发现速度。"

机器学习帮助发现以前未被发现的有价值的信号
https://www.cnbeta.com.tw/articles/science/1346991.htm 

https://technews.tw/2023/03/04/a-deep-learning-search-for-technosignatures-of-820-nearby-stars/

全球大型望遠鏡一直在聆聽遙遠外星文明訊號，但如何處理大量數據並辨認正是外星無線電訊號，是個大問題。

Peter Xiangyuan Ma為多倫多大學學生兼研究員，高中三年級時致力撰寫全新AI演算法，有助區分人類技術無線電與可能來自太空其他生命的訊號。仰賴這種演算法，研究人員得以從喜帕恰斯星表的820個恆星、累計超過480小時的觀測資料，找到5個星球的8個新無線電訊號，距離地球30~90光年。

技術名稱為貝塔卷積變分自動編碼器（β-Convolutional Variational Autoencoder），藉半自動分析每種可能候選者，同時降低過去判定錯誤率，用於搜尋地外文明計畫及其他瞬態研究設施，且減少大量人工排查及篩選時間。現在工具有了，怎麼使用又是另一個課題。論文發表於《自然天文學》期刊。

 https://www.epochtimes.com/b5/23/3/10/n13946957.htm/amp

人工智能可以寻找地外生命嗎?   科學家找一個 Pajonales   有乾涸的鹽湖床  , Pajonales位於智利阿塔卡馬沙漠和阿爾蒂普拉諾高原的交界處 ,，是火星的一個不錯的替代品 。在將AI/ML程序轉向附近的新區域後，系統成功地找到了將近88%的相似生物特徵，而之前的隨機搜索還不到10%。新方法還將必要的搜索區域減少了高達97%。
 


https://www.seti.org/press-release/can-artificial-intelligence-help-find-life-mars-or-icy-worlds
由SETI研究所高級研究科學家金·沃倫-羅茲 （Kim Warren-Rhodes） 領導的跨學科項目訓練了一個程序，該程序使用從Salar de Pajonales地區獲取的數據。Pajonales位於智利阿塔卡馬沙漠和阿爾蒂普拉諾高原的交界處，是火星的一個不錯的替代品，那裡海拔高、氣候乾燥、有乾涸的鹽湖床、大量的紫外線和稀疏的光合微生物生命。該團隊收集了該地區的岩石、晶體和鹽丘的 7,765多張圖像和1,154個樣本，然後將這些信息與其它數據集合成一起，用於指導該程序了解和檢測具有生物特徵的區域。在將AI/ML程序轉向附近的新區域後，系統成功地找到了將近88%的相似生物特徵，而之前的隨機搜索還不到10%。新方法還將必要的搜索區域減少了高達97%。

在一份聲明中，羅茲解釋說：「這個框架使我們能夠將統計生態學的力量與機器學習相結合，以發現和預測大自然在地球上最嚴酷的環境中生存和分佈的模式和規則。」她表示，希望同行們能夠採用這種方法來繪製其它環境，並檢測其它生物特徵。「通過這些模型，我們可以設計量身定制的路線圖和算法，以引導探測車前往最有可能藏匿過去或現在生命的地方——無論多麼隱蔽或罕見，」她說。