对 820 颗邻近恒星的技术特征深度学习搜寻
天体物理仪器与方法
2023-01-31 v1 机器学习
摘要
地外文明搜寻（SETI）的目标是通过“技术特征（technosignatures）”量化地球以外技术生命存在的普遍程度。一种被理论推测的技术特征是窄带多普勒漂移射电信号。在射电领域开展 SETI 的主要挑战在于开发一种通用技术以剔除人类射频干扰（RFI）。在此，我们呈现迄今最全面的基于深度学习的技术特征搜寻，作为 Breakthrough Listen 计划的一部分，返回了 8 个值得重新观测的 promising ETI 信号。该搜寻包含使用 Robert C. Byrd Green Bank 望远镜观测的 820 个独特目标，总计超过 480 小时的天区数据。我们实现了一种新颖的 beta-Convolutional Variational Autoencoder，以半无监督方式识别技术特征候选体，同时将误报率保持在可控低位。这一新方法成为加速 SETI 及其他瞬变研究进入数据驱动天文学时代的领先方案。
引用
@article{arxiv.2301.12670,
title = {A deep-learning search for technosignatures of 820 nearby stars},
author = {Peter Xiangyuan Ma and Cherry Ng and Leandro Rizk and Steve Croft and Andrew P. V. Siemion and Bryan Brzycki and Daniel Czech and Jamie Drew and Vishal Gajjar and John Hoang and Howard Isaacson and Matt Lebofsky and David MacMahon and Imke de Pater and Danny C. Price and Sofia Z. Sheikh and S. Pete Worden},
journal= {arXiv preprint arXiv:2301.12670},
year = {2023}
}
备注
10 pages of main paper followed by 16 pages of methods; 17 figures total and 7 tables; published in Nature Astronomy