人工智能正在侵入許多領域，最近正被用于天文學和尋找宇宙中的智慧生命，即SETI計劃（搜索地外文明計劃，Search for Extra-Terrestrial Intelligence）。Breakthrough Listen是由加州大學伯克利分校領導的一個SETI項目，其研究人員現在已經使用機器學習技術從距離地球約30億光年的神秘光源中發現了72次新的快速無線電爆發現象。

快速無線電爆發是指無線電發射的明亮脈沖，持續時間僅為幾毫秒，被認為來自遙遠的星系。然而，這些射線的來源仍不清楚。現有理論一般解釋為來自受到附近超大質量黑洞氣流爆破的高度磁化的中子星，也有人認為其爆破特性與某個先進文明建立的技術特征一致。

Andrew Siemion是伯克利SETI研究中心和旨在尋找宇宙智慧生命跡象的Breakthrough Listen計劃的首席研究員。他表示：“這項工作是令人興奮的，不僅因為它有助于我們更詳細地了解快速無線電爆發的動態行為，而且還因為它顯示出機器學習具有檢測經典算法錯過的信號的前景。”

Breakthrough Listen同時也在使用成熟的機器學習算法來尋找可能的來自地外文明的新型信號。大多數的快速無線電爆發是一次性的，因此FRB 121102爆發源的反復爆發是獨一無二的。這種行為引起了許多天文學家的注意，希望能夠確定快速無線電爆發的誘因和極端物理原理。

AI算法從望遠鏡在5小時內記錄的數據中挖掘出了這些無線電信號的。在早期針對400TB數據的一次分析中，科學家們采用標準的計算機算法找到了在此期間的21次爆發。伯克利SETI研究中心博士后研究員Vishal Gajjar表示，所有現象都出現在一小時之內，這表明該爆發源的狀態在靜止和極度活躍之間交替變化。

隨后，加州大學伯克利分校博士生Gerry Zhang與其合作者們開發了一種新的功能強大的機器學習算法，并重新分析了2017年的數據，發現了另外72次最初未檢測到的爆發。這使得從2012年首次檢測到FRB 121102爆發以來，其爆發總次數達到300次左右。Zhang說：“這項工作只是使用這些強大的方法來發現無線電爆發的一個開始。我們希望我們的成功能夠為將機器學習用于射電天文學的其他更重要工作提供靈感。”

在Zhang的團隊使用的技術中，有一些被互聯網技術公司用于優化搜索結果和分類圖像。他們訓練了一種稱為卷積神經網絡的算法，以識別由Gajjar和其協作者們使用經典搜索方法發現的爆發，然后將其用于處理該數據集，以期找到經典方法遺漏的爆發。

這些結果幫助對來自FRB 121102的脈沖的周期性提出了新的限制，這表明接收這些脈沖的模式是不規則的，至少當該模式的周期大于約10毫秒的時候（是不規則的）。來自脈沖星的脈沖模式已經幫助天文學家對描述這些物體中極端物理條件的計算機模型進行了限制，與此類似，對FRB爆發源的測量將有助于我們弄清楚這些神秘爆發源的能量來源，Siemion說。“無論FRB本身最終是否是外星技術的杰作，Breakthrough Listen正在幫助我們將理解我們所處的宇宙這樣一個快速增長的新領域不斷推向前進，”他補充說。這些結果被發表在The Astrophysical Journal上的一篇文章中。