외계인이 우리에게 신호를 보낸다면 다음과 같을 것입니다.

60년 이상 동안 과학자들은 외계 지능(ETI)의 존재를 나타내는 전파 전송의 가능한 징후를 찾기 위해 우주를 탐색해 왔습니다. 

그 동안 기술과 방법은 상당히 발전했지만 가장 큰 과제가 남아 있습니다. 외계인 기원의 무선 신호를 감지한 적이 없는 것 외에도 그러한 방송이 취할 수 있는 가능한 형태는 광범위합니다.

 

간단히 말해서 SETI 연구원은 신호가 어떻게 생겼는지 가정해야 하지만 알려진 예의 이점이 없습니다. 최근 캘리포니아 버클리 대학(University of California Berkeley)과 SETI 연구소가 이끄는 국제 팀은 외계 지능(ETI)의 메시지가 어떻게 생겼는지 시뮬레이션하는 새로운 기계 학습 도구를 개발했습니다. 그것은 미래 SETI 연구의 판도를 바꿀 수 있는 오픈 소스 라이브러리인 Setigen으로 알려져 있습니다.

 

연구팀은 UC 버클리의 천문학 대학원생인 브라이언 브지키(Bryan Brzycki)가 이끌었다. 그는 버클리 SETI 연구 센터 소장인 Andrew Siemion과 SETI 연구소, Breakthrough Listen, Dunlap 천문학 및 천체 물리학 연구소, 우주 과학 및 천문학 연구소, 국제 전파 천문학 연구 센터(ICRAR)의 연구원들이 합류했습니다. ), 그리고 Goergen Institute for Data Science.

1960년대 이후 SETI의 가장 일반적인 방법 은 인공적인 기원의 무선 신호 에 대해 우주를 탐색하는 것이었습니다. 최초의 그러한 실험은 유명한 코넬 천체물리학자 Frank Drake(Drake Equation의 창시자)가 이끄는 Project Ozma(1960년 4월부터 7월까지)였습니다. 이 조사는 1.42GHz 부근에서 약 400kHz의 주파수에서 Epsilon Eridani와 Tau Ceti를 모니터링하기 위해 웨스트 버지니아주 그린뱅크에 있는 국립 전파천문대의 25미터 접시에 의존했습니다.

 

이러한 검색은 이후 밤하늘의 더 넓은 영역, 더 넓은 주파수 범위 및 더 큰 신호 다양성을 포함하도록 확장되었습니다. Brzycki는 이메일을 통해 Universe Today에 다음과 같이 설명했습니다.

 

"1960년대에 아이디어는 중성 수소가 성간 공간(1.42 GHz)에서 방사선을 방출하는 잘 알려진 주파수 부근의 영역에 초점을 맞추는 것이었습니다. 이 자연 방출은 은하계 전체에 만연해 있기 때문에 모든 지적 문명이 알 수 있다는 아이디어입니다. 그 이후로 특히 기술이 빠르게 발전함에 따라 무선 SETI는 측정의 모든 축을 따라 확장되었습니다.

 

"이제 우리는 여러 GHz의 대역폭에 걸쳐 즉시 측정을 수행할 수 있습니다. 스토리지가 향상됨에 따라 엄청난 양의 데이터를 수집할 수 있어 시간 및 주파수 방향 모두에서 더 높은 해상도의 관찰이 가능합니다. 같은 이유로 우리는 인근 지역에 대한 설문조사를 수행했습니다. 하늘에서 잠재적으로 흥미로운 방향에 대한 노출을 최대화하기 위해 은하의 별과 다른 방향."

 

또 다른 주요 변경 사항은 우주의 무선 배경 잡음 속에서 전송을 찾고 무선 주파수 간섭(RFI)을 수정하도록 설계된 기계 학습 기반 알고리즘의 통합입니다. SETI 조사에 사용된 알고리즘은 전압 시계열 데이터를 측정하는 알고리즘과 시간-주파수 스펙트로그램 데이터를 측정하는 알고리즘의 두 가지 범주 중 하나로 분류됩니다.

 

Brzycki는 " 무선 안테나 에서 수집한 원시 데이터는 전압 측정값입니다. 전파는 안테나에 전류를 유도하고 이를 전압으로 읽고 기록합니다."라고 말했습니다. "전파 망원경은 실제로 더 넓은 영역의 빛에 초점을 맞추기 위해 포물선 모양 접시로 보강된 안테나일 뿐입니다. 해상도와 밝기가 증가합니다. 강도는 전압의 제곱에 비례한다는 것이 밝혀졌습니다. 또한 우리는 주파수의 함수로서의 강도에 관심을 둡니다. 및 시간(잠재적 신호의 시기와 장소)"

이를 얻기 위해 천문학자들은 입력 시계열 데이터에 대해 관찰되는 각 주파수의 전력을 계산하는 알고리즘을 사용하는 것으로 시작한다고 Brzycki는 말합니다. 다시 말해서, 알고리즘은 공간 및/또는 시간의 함수에서 공간 주파수 또는 시간 주파수(일명)에 의존하는 함수로 무선 신호 데이터를 변환합니다. 푸리에 변환(FT). 이것을 제곱함으로써 천문학자들은 데이터 수집 기간 동안 각 주파수의 강도를 측정할 수 있습니다.

 

"시간과 주파수의 함수로서의 강도 배열인 전체 스펙트로그램을 얻으려면 전압-시계열의 섹션을 취하고 FT를 얻은 다음 전체 관찰에 대해 이 과정을 반복하여 시리즈를 효과적으로 쌓을 수 있습니다. FT 데이터 어레이가 시간 방향으로 서로 겹쳐져 있습니다."라고 Brzycki가 덧붙였습니다. "시간 분해능을 결정하면 필요한 시간 샘플 수를 파악하고 FT를 계산하여 각 주파수 빈에 얼마나 많은 전력이 있는지 확인합니다."

 

SETI 연구원들이 사용하는 기본 검색 알고리즘은 "비간섭 트리 디도 플러(incoherent tree deDoppler)" 알고리즘으로 알려져 있습니다. 이 알고리즘은 전파 스펙트럼을 이동하여 주파수 드리프트를 수정하고 신호의 신호 대 잡음비를 최대화합니다. 지금까지 탑재된 가장 포괄적인 SETI 검색 프로그램인 Breakthrough Listen은 TurboSETI로 알려진 이 알고리즘의 오픈 소스 버전을 사용합니다. 이 알고리즘은 많은 "기술 서명" 검색(기술 활동의 징후라고도 함)의 중추 역할을 합니다. Brzycki가 설명했듯이 이 방법에는 몇 가지 단점이 있습니다. "알고리즘은 잠재적 SETI 신호가 높은 듀티 사이클(거의 항상 '켜짐' 상태임을 의미)로 연속적이라고 가정합니다. 연속 사인파 신호를 찾는 것은 좋은 첫걸음'

"TurboSETI는 항상 '켜져 있는' 직선 신호를 대상으로 하기 때문에 광대역 및 펄스 신호와 같은 대체 형태를 선택하는 데 어려움을 겪을 수 있습니다. 이러한 다른 종류의 신호를 감지하기 위해 추가 알고리즘이 개발되고 있지만 항상 그렇듯이 , 우리 알고리즘은 목표로 삼는 신호에 대해 가정하는 만큼만 효과적입니다."

 

SETI 연구원에게 기계 학습은 원시 무선 주파수 데이터의 전송을 식별하고 여러 유형의 신호를 분류하는 방법입니다. Brzycki는 주요 문제는 천문학 커뮤니티에 ET 신호 데이터 세트가 없기 때문에 전통적인 의미에서 지도 교육을 어렵게 만든다고 말합니다. 이를 위해 Brzycki와 그의 동료들은 합성 전파 관측 생성을 용이하게 하는 Setigen이라는 Python 기반 오픈 소스 라이브러리를 개발했습니다.

 

Brzycki는 "Setigen이 하는 일은 합성 SETI 신호 생성을 촉진하는 것입니다. 이 신호는 완전히 합성 데이터에 사용하거나 실제 관측 데이터에 추가하여 보다 사실적인 노이즈와 RFI 배경을 제공할 수 있습니다."라고 말했습니다. "이 방법으로 우리는 기존 알고리즘의 감도를 분석하거나 기계 학습 교육의 기초 역할을 하기 위해 합성 신호의 대규모 데이터 세트를 생성할 수 있습니다."

 

이 라이브러리는 특히 Breakthrough Listen에서 사용하는 것과 같은 기존 무선 관측 데이터 제품에 대한 검색 알고리즘 분석을 위한 합성 방법을 표준화합니다. "이것은 스펙트로그램과 복잡한 전압(시계열) 형식으로 제공되므로 모의 데이터를 생성하는 방법을 사용하면 프로덕션 코드를 테스트하고 새로운 절차를 개발하는 데 매우 유용할 수 있습니다."라고 Brzycki가 덧붙였습니다.

 

현재 Setigen을 사용하여 모의 신호를 생성하는 다중 빔 관찰 알고리즘이 개발되고 있습니다. 라이브러리는 SETI 연구가 진행됨에 따라 지속적으로 업데이트 및 개선되고 있습니다. Brzycki와 그의 동료들은 또한 협대역이 아닌 신호를 대상으로 하는 검색 알고리즘을 지원하기 위해 광대역 신호 합성에 대한 지원을 추가하기를 희망합니다. 차세대 전파 망원경이 작동하게 되면 가까운 장래에 보다 강력한 SETI 측량이 가능할 것입니다.

여기에는 남아프리카의 MeerKAT 어레이에서 데이터를 통합할 Breakthrough Listen이 포함됩니다. 남아프리카와 호주의 천문대에서 얻은 데이터를 결합하는 대규모 전파 망원경 프로젝트인 SKA(Square Kilometer Array)도 있습니다. 여기에는 남아프리카의 MeerKAT 및 HERA(Hydrogen Epoch of Reionization Array), 호주의 ASKAP(Australian SKA Pathfinder) 및 MWA(Murchison Widefield Array)가 포함됩니다.

 

슬프게도 SETI와 관련하여 여전히 가장 제한적인 요소가 있습니다. 이는 매우 제한된 참조 프레임입니다. 정확히 말하면, 천문학자들은 우리가 전에 한 번도 본 적이 없기 때문에 외계 신호가 어떻게 생겼는지 전혀 모릅니다. 이것은 역설적으로 우주의 배경 소음 속에서 테크노시그니처의 증거를 찾기 어렵게 만듭니다. 따라서 천문학자들은 우리가 알고 있는 기술 활동을 찾는 것을 의미하는 "낮은 행잉 과일(low-hanging fruit)" 접근 방식을 취해야 합니다.

그러나 이론적으로 가능한 것을 기반으로 매개변수를 설정함으로써 과학자들은 탐색 범위를 좁히고 언젠가 무언가를 찾을 가능성을 높일 수 있습니다. Brzycki는 다음과 같이 요약했습니다.

 

"이에 대한 유일한 잠재적인 솔루션은 우리의 가정을 최소화하는 일종의 감독되지 않은 기계 학습 설문 조사입니다. 작업은 이 전면에서 수행되고 있습니다. Setigen은 확실히 이 가정에 의존합니다. 생성할 수 있는 합성 신호는 본질적으로 휴리스틱입니다. 그들이 어떻게 보일지 결정합니다.

 

"결국 라이브러리는 새로운 검색 방법을 개발하기 위해 기존 알고리즘을 평가하고 잠재적 신호 데이터 세트를 생성하는 방법을 제공하지만, 언제 어디서 항상 남아 있을 것인지에 대한 근본적인 문제는 우리가 할 수 있는 최선은 찾고 있어."

이럴 때 페르미 역설은 한 번만 해결하면 된다는 사실을 상기하는 것이 좋습니다. 우주에서 전파 송신을 감지하는 순간, 우리는 우주에 우리가 혼자가 아니며 지성 생명체가 지구 너머에 존재할 수 있고 실제로 존재하며 우리가 감지할 수 있는 기술을 사용하여 통신하고 있다는 것을 확실히 알게 될 것입니다.