Crean un algoritmo para deducir cómo sería un mensaje extraterrestre

Información General

La Universidad de Berkeley y el Instituto SETI crearon Setigen. Una biblioteca de código abierto que busca señales que nunca se detectaron y tienen una amplia gama de morfologías potenciales.

La Universidad de Berkeley y el Instituto SETI desarrollaron Setigen (SETI en su acrónimo en inglés). Una nueva herramienta de aprendizaje automático que simula cómo sería un mensaje de inteligencia extraterrestre recibido en la Tierra.

Siendo una biblioteca de código abierto que podría cambiar las reglas del juego para futuras búsquedas de inteligencia más allá de la Tierra, la radio - SETI implica fundamentalmente la búsqueda de señales que no solo nunca se detectaron, sino que también tienen una amplia gama de morfologías potenciales.

ovnis.jpg

Desde los 60 del siglo XX, el objetivo de las investigaciones es la detección de firmas tecnológicas no humanas, como la emisión producida por tecnología en las observaciones de radio. Dado que aún no detectaron una señal de radio SETI, deben hacer suposiciones sobre su forma para desarrollar algoritmos de búsqueda. La falta de detecciones positivas también dificulta probar la eficacia inherente de los algoritmos.

Para abordar estos desafíos, Setigen se presenta como una biblioteca de código abierto basada en Python para la síntesis e inyección de señales basadas en heurística para espectrogramas (espectros dinámicos) y datos de voltaje sin procesar, según la presentación del nuevo programa en arXiv.

ovnis.jpg

"Lo que hace Setigen es facilitar la producción de señales SETI sintéticas, que pueden usarse en datos completamente sintéticos o agregarse sobre datos de observación reales para proporcionar un ruido de fondo RFI más realista", explicó Bryan Brzycki, estudiante graduado en Astronomía en Berkeley y líder del equipo que desarrolla la iniciativa.

"De esta manera, podemos producir grandes conjuntos de datos de señales sintéticas para analizar la sensibilidad de los algoritmos existentes o para que sirvan como base para el entrenamiento de aprendizaje automático", añadió en declaraciones a Universe Today.

Dejá tu comentario