AI vừa phát hiện 72 xung sóng vô tuyến, dấu hiệu của người ngoài hành tinh?

Tìm kiếm sự sống ngoài Trái Đất trên bầu trời cũng đồng nghĩa với dành nhiều thời gian tách tín hiệu khỏi tiếng ồn. May mắn thay, AI (trí tuệ nhân tạo) đặc biệt giỏi trong công việc đó.

Trong một nghiên cứu mới được tạp chí Astrophysical Journal thông qua, các nhà khoa học đã mô tả cách họ sử dụng dữ liệu thu thập trước đó từ "các xung sóng vô tuyến nhanh" (gọi tắt là FRBs), một loại xung bí ẩn cách chúng ta hàng tỷ năm ánh sáng, để đào tạo một mạng lưới nơ-ron nhân tạo phục vụ việc tìm kiếm và thu thập thêm dữ liệu mới.

Sự thật ở ngoài đó

FRBs, còn được gọi là "tiếng rít vũ trụ", là những xung động năng lượng ngắn mạnh mẽ phát ra từ không gian sâu. Các nhà khoa học không biết nguyên nhân gây ra chúng, nhưng có một số giả thuyết cho rằng chúng có thể được tạo ra bởi các ngôi sao nơ-trôn có từ tính và hố đen vũ trụ. Không ít người tin rằng chúng có thể được truyền đến từ một xã hội ngoài hành tinh xa xôi nào đó.

Phát hiện FRBs một cách thủ công là việc làm rất nhàm chán. Vì vậy, để công việc đó cho AI, "chuyên gia" cho những công việc lặp đi lặp lại là hợp lý nhất.

Đầu tiên, các nhà nghiên cứu tại Đại học California, Berkeley đã đào tạo thuật toán của họ để phát hiện FRBs bằng cách sử dụng các xung sóng đã ghi nhận trước đó. Sau đó, họ đưa nó vào hoạt động, truyền cho nó những dữ liệu sóng vô tuyến thu được trong vòng 5 tiếng đồng hồ từ một phần bầu trời thường xuyên xuất hiện dữ liệu FRBs. Trong dữ liệu đó, thuật toán đã xác định được 72 tín hiệu FRB mới, đưa tổng số nguồn dữ liệu thu thập được từ trước đến nay lên khoảng 300 tín hiệu.

Kết quả mới, động lực mới

Andrew Siemion, giám đốc Trung tâm nghiên cứu Berkeley SETI và là một trong các nhà nghiên cứu độc lập của phát hiện cho hay: "Công trình này rất thú vị không chỉ vì nó giúp chúng ta hiểu được ứng xử động lực học của các xung sóng vô tuyến nhanh một cách chi tiết hơn, mà còn cho thấy những hứa hẹn của việc sử dụng "học máy" để phát hiện các tín hiệu bị bỏ sót bởi các thuật toán cổ điển".

Nhóm nghiên cứu Berkeley kỳ vọng thông tin này có thể giúp các nhà thiên văn học sớm tìm ra nguyên nhân của FRBs. Họ cũng hy vọng nó có thể truyền cảm hứng cho những người khác về cách ứng dụng AI cho ngành thiên văn học vô tuyến.

Ngọc Linh