Quando se avalia a probabilidade de descobrir vida extraterrestre tecnologicamente avançada, a pergunta que sempre surge é: “Se eles estão por aí, por que ainda não os encontramos?” E muitas vezes a resposta é que pesquisamos apenas uma pequena parte da galáxia.

Além disso, algoritmos desenvolvidos décadas atrás para os primeiros computadores digitais podem estar desatualizados e ineficientes quando aplicados a conjuntos de dados modernos em escala de petabytes. Agora, um estudo publicado na revista Nature Astronomy e liderado por um graduando da Universidade de Toronto (Canadá), Peter Ma, juntamente com cientistas do Instituto SETI, Breakthrough Listen (ambos nos EUA) e instituições de pesquisa científica em todo o mundo, aplicou uma técnica de aprendizado profundo a um conjunto de dados de estrelas próximas e descobriu oito sinais de interesse não identificados anteriormente.

“No total, pesquisamos 150 terabytes (TB) de dados de 820 estrelas próximas, em um conjunto de dados que já havia sido pesquisado em 2017 por técnicas clássicas, mas rotulado como desprovido de sinais interessantes”, disse Peter Ma, principal autor do estudo.

Exemplos mostrando os quatro tipos de dados de aprendizado. Crédito: Nature Astronomy (2023). DOI: 10.1038/s41550-022-01872-z

Assinaturas tecnológicas

“Estamos ampliando esse esforço de busca para 1 milhão de estrelas hoje com o telescópio MeerKAT e além. Acreditamos que um trabalho como esse ajudará a acelerar a taxa de descobertas em nosso grande esforço para responder à pergunta ‘estamos sozinhos no universo?’”

A busca por inteligência extraterrestre (SETI) procura evidências de inteligência extraterrestre originada além da Terra, tentando detectar assinaturas tecnológicas, ou evidências de tecnologia, que civilizações alienígenas poderiam ter desenvolvido. A técnica mais comum é a busca por sinais de rádio.

O rádio é uma ótima maneira de enviar informações sobre as incríveis distâncias entre as estrelas; ele passa rapidamente pela poeira e pelo gás que permeiam o espaço, e o faz na velocidade da luz (cerca de 20 mil vezes mais rápido que nossos melhores foguetes). Muitos esforços do SETI usam antenas para escutar qualquer sinal de rádio que os alienígenas possam estar transmitindo.

Reexame de dados

Este estudo reexaminou os dados obtidos com o Green Bank Telescope na Virgínia Ocidental (EUA) como parte de uma campanha Breakthrough Listen que inicialmente não indicava alvos de interesse. O objetivo era aplicar novas técnicas de aprendizado profundo a um algoritmo de busca clássico para produzir resultados mais rápidos e precisos. Depois de executar o novo algoritmo e reexaminar manualmente os dados para confirmar os resultados, os sinais recém-detectados tinham várias características principais:

1) Os sinais eram de banda estreita, o que significa que tinham largura espectral estreita, da ordem de apenas alguns Hz. Sinais causados ​​por fenômenos naturais tendem a ser de banda larga.

2) Os sinais tinham taxas de desvio diferentes de zero, o que significa que tinham uma inclinação. Essas inclinações podem indicar que a origem de um sinal teve alguma aceleração relativa com nossos receptores, portanto não local para o observatório de rádio.

3) Os sinais apareceram em observações de fonte ON e não em observações de fonte OFF. Se um sinal se origina de uma fonte celeste específica, ele aparece quando apontamos nosso telescópio para o alvo e desaparece quando desviamos o olhar. A interferência de rádio humana geralmente ocorre em observações ON e OFF devido à proximidade da fonte.

Melhor desempenho

A drª Cherry Ng, outra consultora de pesquisa de Ma e astrônoma do Instituto SETI e do Centro Nacional de Pesquisa Científica da França (CNRS), afirmou: “Esses resultados ilustram dramaticamente o poder da aplicação de métodos modernos de aprendizado de máquina e visão computacional para desafios de dados em astronomia, resultando em novas detecções e melhor desempenho. A aplicação dessas técnicas em escala será transformadora para a ciência da tecnoassinatura de rádio”.

Embora os reexames desses alvos de interesse ainda não tenham resultado em novas detecções desses sinais, essa abordagem de análise de dados pode permitir que os pesquisadores entendam com mais eficácia os dados que coletam e ajam rapidamente para reexaminar os alvos. Ma e sua conselheira, drª Cherry Ng, estão ansiosos para implantar extensões desse algoritmo no sistema COSMIC do Instituto SETI.

Desde que os experimentos SETI começaram em 1960 com o Projeto Ozma de Frank Drake no Observatório Greenbank, local que agora abriga o telescópio usado neste último trabalho, os avanços tecnológicos permitiram aos pesquisadores coletar mais dados do que nunca. Esse enorme volume de dados requer novas ferramentas computacionais para processar e analisar esses dados rapidamente para identificar anomalias que possam ser evidências de inteligência extraterrestre. Essa nova abordagem de aprendizado de máquina está abrindo novos caminhos na busca por responder à pergunta: “Estamos sozinhos?”