Universitetsstuderende udvikler kunstig intelligens til at registrere hurtige radioudbrud

West Virginia University's Duncan Lorimer kan være gudfaderen til det hurtige radioudbrud, men et par internationale studerende har taget udforskningen af ​​disse mystiske kosmiske glimt til et nyt niveau.

I 2007 Lorimer blev krediteret for at hjælpe med at opdage hurtige radioudbrud - intense, uforklarlige energiimpulser, lysår væk, der springer i millisekunder. Lige siden, kun omkring 100 er blevet set.

Men astronomer vidste, at der var flere derude. En stor hindring for nye opdagelser kom i form af, at forskere manuelt skulle læse dataplot, optaget ved satellitbilleder, i timevis.

Devansh Agarwal og Kshitij Aggarwal, både fysik og astronomi kandidatstuderende fra Indien, genkendte denne møjsommelige opgave, så de udviklede en hurtigere, mere effektiv måde at registrere hurtige radioudbrud. De skabte kunstigt intelligente, maskinlæringssoftware, der filtrerer gennem de endeløse rod af data.

"Hurtige radioudbrud er svære at finde, fordi de er intermitterende i naturen, " sagde Lorimer, astronomiprofessor og Eberly College associeret dekan for forskning. "Vi har teleskoper, der indsamler data meget hurtigt i realtid, så vi samler enorme mængder data, som bliver en databehandlings- og analyseudfordring. Det er overvældende, selv for en hær af studerende og forskere. Du kan sidde der 24 timer i døgnet og se på disse grunde, og det er ikke en overdrivelse."

Gennem analyse, forskere kan identificere "kandidatbegivenheder, ", hvor et datapunkt muligvis kan vise sig at være et hurtigt radioudbrud. Eller det kan bare være interferens eller støj.

Så Agarwal og Aggarwal satte sig for at skrive computerkode og software, de har trænet til at skelne mellem, om kandidatbegivenhederne faktisk er hurtige radioudbrud eller andre typer impulser.

De studerende døbte softwaren FETCH, som står for "hurtig ekstragalaktisk forbigående kandidatjæger." Og de har gjort det til open source, hvilket betyder, at enhver hvor som helst er fri til at bruge den.

"Vores mål var at bruge AI til at modellere en opgave, som mennesker kan udføre med samme præcision eller bedre, " sagde Agarwal. "Folk har brugt AI til et utal af teknikker i biologiske systemer, røntgenstråler, kattescanninger og MRI'er for at identificere sygdomme. Vi ønskede at gøre vores system generisk nok til, at alle kan bruge det overalt i verden."

Allerede, forskere har brugt FETCH i Australien til at finde nye hurtige radioudbrud.

Softwaren vil også være praktisk til forskning gennem Green Bank Observatory, en partner til WVU og et nøglested for universitetets astronomiforskning. The Green Bank Telescope, beliggende i Pocahontas County, er verdens største fuldt styrbare radioteleskop.

"Med Green Bank, det har givet os mulighed for at operere i et miljø, hvor vi normalt ville have tusindvis af pulser at se igennem om dagen ned til en eller to, " sagde Lorimer.

Lorimer sagde, at ideen til denne innovation kom fra de studerende selv. Projektet gav endda bachelorstuderende, såsom Olivia Young, af Short Gap, West Virginia, mulighed for at forske.

"Det har gjort mig i stand til at præsentere på konferencer og have en virkelig unik læringsoplevelse som bachelor, " sagde Young, der dimitterede i maj med sin bachelorgrad i fysik.

"Vi er rigtig glade for, når eleverne tager et initiativ, " sagde Lorimer. "Jeg ser min rolle i dag som et par skridt væk fra forskningen, men jeg forsøger at give eleverne den viden, som de kan løbe med. Det er som at lære et nyt sprog. Du lærer dem et par sætninger, og så sætter de hele sætninger sammen. Eller lære musik. Du lærer dem et par toner, og de tager det og kommer med nye melodier."