Wenn Außerirdische uns Signale senden würden, könnten sie so aussehen

Seit mehr als 60 Jahren suchen Wissenschaftler im Kosmos nach möglichen Anzeichen einer Funkübertragung, die auf die Existenz außerirdischer Intelligenz (ETI) hindeuten würden. In dieser Zeit sind Technik und Methoden deutlich gereift, aber die größten Herausforderungen bleiben bestehen. Abgesehen davon, dass noch nie ein Funksignal außerirdischen Ursprungs entdeckt wurde, gibt es eine breite Palette möglicher Formen, die eine solche Sendung annehmen könnte.

Kurz gesagt, SETI-Forscher müssen annehmen, wie ein Signal aussehen würde, aber ohne den Vorteil bekannter Beispiele. Kürzlich hat ein internationales Team unter der Leitung der University of California Berkeley und des SETI Institute ein neues maschinelles Lerntool entwickelt, das simuliert, wie eine Nachricht von außerirdischer Intelligenz (ETI) aussehen könnte. Es ist als Setigen bekannt, eine Open-Source-Bibliothek, die für die zukünftige SETI-Forschung bahnbrechend sein könnte.

Das Forschungsteam wurde von Bryan Brzycki geleitet, einem Astronomie-Doktoranden an der UC Berkeley. Zu ihm gesellten sich Andrew Siemion, der Direktor des Berkeley SETI Research Center, und Forscher des SETI Institute, Breakthrough Listen, des Dunlap Institute for Astronomy & Astrophysics, des Institute of Space Sciences and Astronomy, International Center for Radio Astronomy Research (ICRAR ) und das Goergen Institute for Data Science.

Seit den 1960er Jahren besteht die gebräuchlichste SETI-Methode darin, den Kosmos nach Funksignalen künstlichen Ursprungs zu durchsuchen. Das erste derartige Experiment war das Projekt Ozma (April bis Juli 1960), das von dem berühmten Cornell-Astrophysiker Frank Drake (Schöpfer der Drake-Gleichung) geleitet wurde. Diese Untersuchung stützte sich auf die 25-Meter-Schüssel am National Radio Astronomy Observatory in Green Bank, West Virginia, um Epsilon Eridani und Tau Ceti bei Frequenzen von etwa 400 kHz um 1,42 GHz zu überwachen.

Diese Suche wurde seitdem auf größere Bereiche des Nachthimmels, größere Frequenzbereiche und eine größere Signalvielfalt ausgeweitet. Wie Brzycki Universe Today per E-Mail erklärte:

„In den 1960er Jahren bestand die Idee darin, sich auf eine Region um eine bekannte Frequenz zu konzentrieren, bei der neutraler Wasserstoff Strahlung im interstellaren Raum emittiert, 1,42 GHz. Da diese natürliche Emission in der gesamten Galaxie vorherrscht, ist die Idee, dass jede intelligente Zivilisation es wissen würde darüber informieren und möglicherweise diese Frequenz für die Übertragung anvisieren, um die Erkennungswahrscheinlichkeit zu maximieren.Seitdem hat sich Radio SETI entlang aller Messachsen ausgebreitet, insbesondere da die Technologie sich schnell weiterentwickelt hat.

„Wir können jetzt sofort Messungen über eine Bandbreite von mehreren GHz durchführen. Da sich die Speicherung verbessert hat, können wir riesige Datenmengen sammeln, was Beobachtungen mit höherer Auflösung sowohl in Zeit- als auch in Frequenzrichtung ermöglicht. Aus dem gleichen Grund haben wir Vermessungen in der Nähe durchgeführt Sterne und andere Richtungen in der Galaxie, um die Exposition gegenüber potenziell interessanten Himmelsrichtungen zu maximieren.“

Eine weitere wichtige Änderung war die Einbeziehung von auf maschinellem Lernen basierenden Algorithmen, die darauf ausgelegt sind, Übertragungen inmitten des Funkhintergrundrauschens des Kosmos zu finden und Hochfrequenzstörungen (RFI) zu korrigieren. Die in SETI-Erhebungen verwendeten Algorithmen fallen in eine von zwei Kategorien: diejenigen, die Spannungszeitreihendaten messen, und diejenigen, die Zeitfrequenz-Spektrogrammdaten messen.

„Die von einer Funkantenne gesammelten Rohdaten sind Spannungsmessungen; eine Funkwelle induziert einen Strom in der Antenne, der ausgelesen und als Spannung aufgezeichnet wird“, sagte Brzycki. „Ein Radioteleskop ist wirklich nur eine Antenne, die durch eine Parabolschüssel ergänzt wird, um einen größeren Lichtbereich zu fokussieren, was die Auflösung und Helligkeit erhöht. Es stellt sich heraus, dass die Intensität proportional zum Quadrat der Spannung ist. Außerdem interessiert uns die Intensität als Funktion der Frequenz und Zeit (das Wann und Wo eines potentiellen Signals).“

Um dies zu erreichen, verwenden Astronomen laut Brzycki zunächst Algorithmen, die die Leistung jeder beobachteten Frequenz in Bezug auf die eingegebenen Zeitreihendaten berechnen. Mit anderen Worten, der Algorithmus wandelt Funksignaldaten von einer Funktion des Raums und/oder der Zeit in eine Funktion um, die von der räumlichen Frequenz oder der zeitlichen Frequenz – auch bekannt als – abhängig ist. eine Fourier-Transformation (FT). Indem sie dies quadrieren, können Astronomen die Intensität jeder Frequenz über den Zeitraum der Datenerfassung messen.

„Um ein vollständiges Spektrogramm zu erhalten, eine Reihe von Intensitäten als Funktion von Zeit und Frequenz, nehmen wir einen Abschnitt der Spannungs-Zeit-Reihe, erhalten die FT und wiederholen diesen Vorgang dann über die gesamte Beobachtung, damit wir eine Reihe effektiv stapeln können von FT-Datenarrays in Zeitrichtung übereinander“, fügte Brzycki hinzu. „[O]Sobald Sie sich für eine Zeitauflösung entschieden haben, ermitteln wir die Anzahl der benötigten Zeitabtastungen und berechnen die FT, um zu sehen, wie viel Leistung in jedem Frequenzbereich steckt.“

Der von SETI-Forschern verwendete primäre Suchalgorithmus ist als „inkohärenter Baum-deDoppler“-Algorithmus bekannt, der das Spektrum von Funkwellen verschiebt, um Frequenzdrift zu korrigieren und das Signal-Rausch-Verhältnis eines Signals zu maximieren. Breakthrough Listen, das umfassendste SETI-Suchprogramm, das jemals installiert wurde, verwendet eine Open-Source-Version dieses Algorithmus namens TurboSETI, der als Rückgrat vieler „Technosignatures“-Suchen (auch bekannt als Zeichen technologischer Aktivität) diente. Wie Brzycki erklärte, hat diese Methode einige Nachteile: „Der Algorithmus geht davon aus, dass ein potenzielles SETI-Signal kontinuierlich mit einem hohen Tastverhältnis ist (was bedeutet, dass es fast immer ‚an‘ ist). Die Suche nach einem kontinuierlichen Sinussignal ist a ein guter erster Schritt, da es für Menschen relativ einfach und kostengünstig ist, solche Signale zu erzeugen und zu übertragen.

„Da TurboSETI auf geradlinige Signale ausgerichtet ist, die immer eingeschaltet sind, kann es schwierig sein, alternative Morphologien wie Breitband- und gepulste Signale aufzunehmen. Zusätzliche Algorithmen werden entwickelt, um zu versuchen, diese anderen Arten von Signalen zu erkennen, aber wie immer , unsere Algorithmen sind nur so effektiv wie die Annahmen, die wir über die Signale treffen, auf die sie abzielen.“

Für SETI-Forscher ist maschinelles Lernen eine Möglichkeit, Übertragungen in Hochfrequenz-Rohdaten zu identifizieren und mehrere Arten von Signalen zu klassifizieren. Das Hauptproblem, sagt Brzycki, ist, dass die astronomische Gemeinschaft keinen Datensatz von ET-Signalen hat, was ein überwachtes Training im herkömmlichen Sinne schwierig macht. Zu diesem Zweck haben Brzycki und seine Kollegen eine Python-basierte Open-Source-Bibliothek namens Setigen entwickelt, die die Erstellung synthetischer Radiobeobachtungen erleichtert.

„Setigen erleichtert die Erzeugung synthetischer SETI-Signale, die in vollständig synthetischen Daten verwendet oder zu echten Beobachtungsdaten hinzugefügt werden können, um einen realistischeren Rausch- und RFI-Hintergrund bereitzustellen“, sagte Brzycki. „Auf diese Weise können wir große Datensätze synthetischer Signale erstellen, um die Sensitivität bestehender Algorithmen zu analysieren oder als Grundlage für maschinelles Lernen zu dienen.“

Diese Bibliothek standardisiert Synthesemethoden für die Analyse von Suchalgorithmen, insbesondere für bestehende Radiobeobachtungsdatenprodukte wie die von Breakthrough Listen verwendeten. „Diese liegen sowohl im Spektrogramm- als auch im komplexen Spannungs-(Zeitreihen-)Format vor, sodass eine Methode zur Erzeugung von Scheindaten wirklich nützlich sein kann, um Produktionscode zu testen und neue Verfahren zu entwickeln“, fügte Brzycki hinzu.

Derzeit werden Algorithmen für Multi-Beam-Beobachtungen entwickelt, die Setigen verwenden, um Scheinsignale zu erzeugen. Die Bibliothek wird auch ständig aktualisiert und verbessert, während die SETI-Forschung voranschreitet. Brzycki und seine Kollegen hoffen auch, Unterstützung für die Breitbandsignalsynthese hinzuzufügen, um Suchalgorithmen zu unterstützen, die auf nicht schmalbandige Signale abzielen. Robustere SETI-Durchmusterungen werden in naher Zukunft möglich sein, wenn Radioteleskope der nächsten Generation in Betrieb gehen.

Dazu gehört Breakthrough Listen, das Daten aus dem MeerKAT-Array in Südafrika integrieren wird. Es gibt auch das Square Kilometre Array (SKA), ein riesiges Radioteleskopprojekt, das Daten von Observatorien in Südafrika und Australien kombinieren wird. Dazu gehören das MeerKAT und das Hydrogen Epoch of Reionization Array (HERA) in Südafrika sowie das australische SKA Pathfinder (ASKAP) und das Murchison Widefield Array (MWA) in Australien.

Leider gibt es immer noch den einschränkendsten Faktor in Bezug auf SETI, der unser extrem begrenzter Bezugsrahmen ist. Genau genommen haben Astronomen keine Ahnung, wie ein außerirdisches Signal aussehen würde, weil wir noch nie zuvor eines gesehen haben. Dies macht es paradoxerweise schwieriger, Beweise für Technosignaturen inmitten des Hintergrundrauschens des Kosmos herauszukitzeln. Daher sind Astronomen gezwungen, den „Low Hanging Fruit“-Ansatz zu wählen, was bedeutet, nach technologischen Aktivitäten, wie wir sie kennen, zu suchen.

Indem jedoch Parameter auf der Grundlage dessen festgelegt werden, was theoretisch möglich ist, können Wissenschaftler die Suche eingrenzen und die Wahrscheinlichkeit erhöhen, dass sie eines Tages etwas finden. Wie Brzycki zusammenfasste:

„Die einzige mögliche Lösung dafür ist eine Art unbeaufsichtigte Umfrage zum maschinellen Lernen, die unsere Annahmen minimiert; an dieser Front wird gearbeitet. Setigen verlässt sich sicherlich auf diese Annahme – die synthetischen Signale, die man erzeugen kann, sind heuristischer Natur, insofern der Benutzer entscheidet, wie sie aussehen sollen.

„Letztendlich bietet die Bibliothek eine Möglichkeit, unsere bestehenden Algorithmen zu bewerten und Datensätze potenzieller Signale zu erstellen, um neue Suchmethoden zu entwickeln, aber die grundlegenden Fragen, wo und wann, werden immer bleiben – das Beste, was wir tun können, ist, sie zu behalten beim Schauen.“

In Zeiten wie diesen ist es gut, sich daran zu erinnern, dass das Fermi-Paradoxon nur einmal gelöst werden muss. In dem Moment, in dem wir eine Funkübertragung im Kosmos entdecken, werden wir mit Sicherheit wissen, dass wir nicht allein im Universum sind, dass intelligentes Leben jenseits der Erde existieren kann und existiert und mithilfe von Technologien kommuniziert, die wir erkennen können.