تیمی از محققان در مطالعات جدید خود از داده های جستجوی هوش فرازمینی (SETI) Breakthrough Listen Initiative استفاده کرده و هشت سیگنال مهم را که قبلا شناسایی نشده بود، شناسایی کردند.

بر پایه این تحقیقات پیشنهاد شده است که تشخیص انواع خاصی از سیگنال های رادیویی می تواند نشانه ای از عمر فناوری بالقوه باشد، با توجه به این که سیگنال های رادیویی مصنوعی را می توان از سیگنال های طبیعی متمایز کرد.

برنامه های SETI برای دهه ها آسمان را با تلسکوپ های رادیویی اسکن می کنند تا سیگنال های مصنوعی بدون ابهام را که از ستاره ها می آیند، شناسایی کنند. با این حال، این جستجو به دلیل تداخل فناوری انسانی پیچیده است که می تواند شناسایی های مثبت کاذب ایجاد کند. موضوع فوق از آن جهت دارای اهمیت است که فیلتر کردن این امواج از مجموعه داده های بزرگ، اقدامی کاملا زمان بر است.

بر اساس این مطالعات، محققان یک روش انتخاب مبتنی بر یادگیری ماشین ارائه کردند که از آن برای بررسی بیش از ۴۸۰ ساعت داده های تلسکوپ گرین بانک رابرت سی بیرد با رصد ۸۲۰ ستاره استفاده شد.

در نهایت پژوهشگران ۸ سیگنال مهم را که قبلا شناسایی نشده بودند، کشف کردند؛ اگرچه مشاهدات بعدی این اهداف آن ها را دوباره شناسایی نکرد.

بنا بر اعلام وبگاه نیچر ای ژیا (natureasia)، نویسندگان پیشنهاد می کنند؛ روش آن ها می تواند برای سایر مجموعه های داده بزرگ در تسریع SETI و بررسی های مبتنی بر داده های مشابه اعمال شود.