A más de sesenta años, los científicos han estado buscando en el cosmos posibles señales de transmisión de radio que indicarían la existencia de inteligencia extraterrestre (ETI). En ese tiempo, la tecnología y los métodos han madurado considerablemente, pero quedan los mayores desafíos. Además de no haber detectado nunca una señal de radio de origen extraterrestre, existe una amplia gama de posibles formas que podría tomar tal transmisión.
En resumen, los investigadores de SETI deben asumir cómo se vería una señal, pero sin el beneficio de ningún ejemplo conocido. Recientemente, un equipo internacional liderado por la Universidad de California Berkeley y el Instituto SETI desarrollaron una nueva herramienta de aprendizaje automático que simula el aspecto que podría tener un mensaje de inteligencia extraterrestre (ETI). ¡Se conoce como Setigen, una biblioteca de código abierto que podría cambiar las reglas del juego para futuras investigaciones de SETI!
El equipo de investigación estuvo dirigido por Bryan Brzycki, un estudiante graduado de astronomía en UC Berkeley. A él se unieron Andrew Siemion, director del Centro de Investigación SETI de Berkeley, e investigadores del Instituto SETI, Breakthrough Listen, el Instituto Dunlap de Astronomía y Astrofísica, el Instituto de Ciencias Espaciales y Astronomía, el Centro Internacional de Investigación de Radioastronomía (ICRAR ) y el Instituto Goergen para la ciencia de datos.
Desde la década de 1960, el método más común de SETI ha consistido en buscar en el cosmos señales de radio de origen artificial. El primer experimento de este tipo fue el Proyecto Ozma (de abril a julio de 1960), dirigido por el famoso astrofísico de Cornell, Frank Drake (creador de la Ecuación de Drake). Esta encuesta se basó en el plato de 25 metros en el Observatorio Nacional de Radioastronomía en Green Bank, Virginia Occidental, para monitorear Epsilon Eridani y Tau Ceti en frecuencias de aproximadamente 400 kHz alrededor de 1,42 GHz.
Desde entonces, estas búsquedas se han expandido para cubrir áreas más grandes del cielo nocturno, rangos de frecuencia más amplios y una mayor diversidad de señales. Como explicó Brzycki a Universe Today por correo electrónico:
“En la década de 1960, la idea era centrarse en una región alrededor de una frecuencia conocida donde el hidrógeno neutro emite radiación en el espacio interestelar, 1,42 GHz. Dado que esta emisión natural prevalece en toda la galaxia, la idea es que cualquier civilización inteligente lo sepa y potencialmente apunte a esta frecuencia para la transmisión para maximizar la posibilidad de detección. Desde entonces, especialmente a medida que la tecnología ha avanzado rápidamente, la radio SETI se ha expandido a lo largo de todos los ejes de medición.
“Ahora podemos tomar medidas en un ancho de banda de varios GHz de forma instantánea. A medida que ha mejorado el almacenamiento, podemos recopilar grandes cantidades de datos, lo que permite observaciones de mayor resolución en las direcciones de tiempo y frecuencia. Del mismo modo, hemos realizado estudios de estrellas cercanas y en otras direcciones de la galaxia, para maximizar la exposición a direcciones potencialmente interesantes en el cielo”.
Otro cambio importante ha sido la incorporación de algoritmos basados en aprendizaje automático diseñados para encontrar transmisiones en medio del ruido de fondo de radio del cosmos y corregir la interferencia de radiofrecuencia (RFI). Los algoritmos empleados en las encuestas SETI han caído en una de dos categorías: aquellos que miden datos de series de tiempo de voltaje y aquellos que miden datos de espectrograma de frecuencia de tiempo.
“Los datos sin procesar recopilados por una antena de radio son mediciones de voltaje; una onda de radio induce una corriente en la antena, que se lee y registra como voltaje”, dijo Brzycki. “Un radiotelescopio es realmente solo una antena aumentada por un plato parabólico para enfocar un área más grande de luz, aumentando la resolución y el brillo. Resulta que la intensidad es proporcional al voltaje al cuadrado. Además, nos preocupamos por la intensidad en función de la frecuencia y el tiempo (el cuándo y el dónde de una señal potencial)”.
Para obtener esto, dice Brzycki, los astrónomos comienzan empleando algoritmos que calculan la potencia de cada frecuencia que se observa hacia los datos de la serie temporal de entrada. En otras palabras, el algoritmo transforma los datos de la señal de radio de una función de espacio y/o tiempo en una función que depende de la frecuencia espacial o la frecuencia temporal, también conocida como. una transformada de Fourier (FT). Al elevar esto al cuadrado, los astrónomos pueden medir la intensidad de cada frecuencia durante el período de recopilación de datos.
“Para obtener un espectrograma completo, una matriz de intensidad en función del tiempo y la frecuencia, tomamos una sección de la serie de voltaje-tiempo, obtenemos el FT y luego repetimos este proceso durante toda la observación para que podamos apilar una serie de manera efectiva. de conjuntos de datos FT uno encima del otro en la dirección del tiempo”, agregó Brzycki. “[U]na vez que decide una resolución de tiempo, determinamos la cantidad de muestras de tiempo necesarias y calculamos el FT para ver cuánta potencia hay en cada contenedor de frecuencia”.
El algoritmo de búsqueda principal utilizado por los investigadores de SETI se conoce como el algoritmo «deDoppler de árbol incoherente», que cambia el espectro de ondas de radio para corregir la deriva de frecuencia y maximiza la relación señal-ruido de una señal. El programa de búsqueda SETI más completo jamás montado, Breakthrough Listen, utiliza una versión de código abierto de este algoritmo conocido como TurboSETI, que ha servido como la columna vertebral de muchas búsquedas de «firmas tecnológicas» (también conocidas como signos de actividad tecnológica). Como explicó Brzycki, este método tiene algunos inconvenientes:
“El algoritmo asume que una señal SETI potencial es continua con un ciclo de trabajo alto (lo que significa que casi siempre está ‘encendida’). Buscar una señal de onda sinusoidal continua es un buen primer paso, ya que es relativamente fácil y económico para los humanos producir y transmitir tales señales.
“Dado que TurboSETI está dirigido a señales de línea recta que siempre están ‘activadas’, puede tener dificultades para captar morfologías alternativas, como señales de banda ancha y pulsadas. Se están desarrollando algoritmos adicionales para tratar de detectar estos otros tipos de señales, pero como siempre, nuestros algoritmos son tan efectivos como las suposiciones que hacemos de las señales a las que apuntan”.
Para los investigadores de SETI, el aprendizaje automático es una forma de identificar transmisiones en datos de radiofrecuencia sin procesar y clasificar múltiples tipos de señales. El problema principal, dice Brzycki, es que la comunidad astronómica no tiene un conjunto de datos de señales extraterrestres, lo que dificulta el entrenamiento supervisado en el sentido tradicional. Con este fin, Brzycki y sus colegas desarrollaron una biblioteca de código abierto basada en Python llamada Setigen que facilita la producción de observaciones de radio sintéticas.
“Lo que hace Setigen es facilitar la producción de señales SETI sintéticas, que pueden usarse en datos completamente sintéticos o agregarse sobre datos de observación reales para proporcionar un ruido de fondo RFI más realista”, dijo Brzycki. «De esta manera, podemos producir grandes conjuntos de datos de señales sintéticas para analizar la sensibilidad de los algoritmos existentes o para que sirvan como base para el entrenamiento de aprendizaje automático».
Esta biblioteca estandariza los métodos de síntesis para el análisis de algoritmos de búsqueda, especialmente para productos de datos de observación de radio existentes como los que utiliza Breakthrough Listen. “Estos vienen en formato de espectrograma y voltaje complejo (serie de tiempo), por lo que tener un método para producir datos simulados puede ser realmente útil para probar el código de producción y desarrollar nuevos procedimientos”, agregó Brzycki.
En este momento, se están desarrollando algoritmos para observaciones multihaz utilizando Setigen para producir señales simuladas. La biblioteca también se actualiza y mejora constantemente a medida que avanza la investigación de SETI. Brzycki y sus colegas también esperan agregar soporte para la síntesis de señales de banda ancha para ayudar a los algoritmos de búsqueda que se dirigen a señales que no son de banda estrecha. Serán posibles estudios SETI más robustos en un futuro cercano a medida que los radiotelescopios de próxima generación entren en funcionamiento.
Esto incluye Breakthrough Listen, que incorporará datos de la matriz MeerKAT en Sudáfrica. También está el Square Kilometer Array (SKA), un proyecto de radiotelescopio masivo que combinará datos de observatorios en Sudáfrica y Australia. Estos incluyen MeerKAT y Hydrogen Epoch of Reionization Array (HERA) en Sudáfrica y Australian SKA Pathfinder (ASKAP) y Murchison Widefield Array (MWA) en Australia.
Por desgracia, todavía existe el factor más limitante con respecto a SETI, que es nuestro marco de referencia extremadamente limitado. Cuando se trata de eso, los astrónomos no tienen idea de cómo se vería una señal extraterrestre porque nunca antes habíamos visto una. Esto, paradójicamente, hace que sea más difícil descubrir evidencia de firmas tecnológicas en medio del ruido de fondo del cosmos. Como tal, los astrónomos se ven obligados a adoptar el enfoque de «fruta madura», lo que significa buscar la actividad tecnológica tal como la conocemos.
Sin embargo, al establecer parámetros basados en lo que es teóricamente posible, los científicos pueden reducir la búsqueda y aumentar las probabilidades de encontrar algo algún día. Como resumió Brzycki:
“La única solución potencial para esto es algún tipo de encuesta de aprendizaje automático no supervisada que minimice nuestras suposiciones; se está trabajando en este frente. Setigen ciertamente se basa en esta suposición: las señales sintéticas que uno puede producir son de naturaleza heurística, en el sentido de que el usuario decide cómo deberían verse.
“Al final del día, la biblioteca proporciona una forma de evaluar nuestros algoritmos existentes y crear conjuntos de datos de señales potenciales para desarrollar nuevos métodos de búsqueda, pero los problemas fundamentales de dónde y cuándo siempre permanecerán: lo mejor que podemos hacer es mantener al mirar!”
En momentos como este, es bueno recordarnos que la paradoja de Fermi solo necesita resolverse una vez. En el momento en que detectemos una transmisión de radio en el cosmos, sabremos con certeza que no estamos solos en el Universo, que la vida inteligente puede existir y existe más allá de la Tierra, ¡y se comunica utilizando tecnologías que podemos detectar!
