Ein neu entwickelter Algorithmus hat acht bisher übersehene Signale in alten Daten des
Green-Bank-Observatoriums identifiziert, die möglicherweise von ausserirdischen Zivilisationen stammen. Die Universität Toronto, wo der Algorithmus entwickelt wurde, gab bekannt, dass zwar keines der Signale bei einer erneuten Überprüfung wiedergefunden wurde, aber dass die Technik ihren Wert bewiesen hat. Die Initiative «
Breakthrough Listen», die nach solchen Signalen sucht, sagt, dass man mit einer solchen Technik mögliche Technosignaturen noch effektiver suchen und möglicherweise irgendwann bestätigen kann.
Irdische Interferenzen stellen eine der grössten Herausforderungen bei der Suche nach ausserirdischen Signalen dar, auch das Green-Bank-Observatorium, das in einer besonderen Strahlungsschutzzone steht, ist davon nicht vollständig frei. Deshalb ist es wichtig, die «aufregenden» Radiosignale von den «uninteressanten» zu unterscheiden, sagt der Entwickler Peter Ma. Sein Algorithmus, der beide Signaltypen durch Simulationen trainiert wurde, hat sich bei der Analyse von Daten aus 820 verschiedenen Sternen bewährt.
Die acht Signale wurden nur bei direkter Ausrichtung des Observatoriums auf den jeweiligen Stern empfangen und hatten eine veränderte Frequenz, was einen entfernten Ursprung nahelegt.
Das Hauptinstrument des Green-Bank-Observatoriums ist das Robert-C. Byrd-Green-Bank-Teleskop (GBT). Es ist mit 100 × 110 Metern Durchmesser das grösste voll bewegliche Radioteleskop der Welt. /
Ist noch jemand da draussen? Auf der Suche nach ausserirdischen Lebensformen. /
Trotzdem kann es sich auch um einen Zufall handeln und sich um keine Technosignatur, ein Hinweis auf eine technisch entwickelte Zivilisation, handeln. Das Forschungsteam hat alle Quellen erneut überprüft, aber bisher wurde keines der Signale wiedergefunden. Die Funde wurden bei insgesamt fünf Sternen gemacht, drei Himmelskörper hatten zwei unterschiedliche Signale. Die Sterne sind uns alle relativ nah, mit Distanzen zwischen 30 und 90 Lichtjahren.
Peter Ma hat zwei verschiedene Techniken des maschinellen Lernens kombiniert - das überwachte und unüberwachte Lernen -, um ein semi-überwachtes Lernen zu schaffen. Das Ergebnis war, dass versteckte Daten leichter entdeckt wurden. Ma hatte die Idee bereits in der Schule, aber seine Lehrer waren verwirrt und wussten nicht, was man damit anfangen könnte. Erst jetzt hat er seinem Team erzählt, dass das Projekt ursprünglich an seiner Highschool begann, aber dort nicht richtig wertgeschätzt wurde.
