一名 17 岁的学生利用人工智能研究了太空中无线电波的神秘光芒，建立了一个机器学习模型，可以区分快速无线电爆发的重复和快速无线电爆发。 新泽西理工学院的学生罗汉·阿尼 (Rohan Arni) 使用加拿大氢强度测绘实验 (CHIME) 收集的数据来训练他的模型，这是一个旨在研究天空的射电望远镜。该模型以 98% 的准确度对快速重复和非重复无线电脉冲进行分类，揭示信号中的模式，从而提供有关信号来源的信息。阿尼的分析表明，余震往往距离地球更近，频率范围也更小。 该研究还强调了四种可能的重叠，这些重叠隐藏在未来可能出现的数据中。
Rohan Arnie 使用人工智能研究神秘的射电爆发
据科学协会称，Arnie 使用 PyTorch 从头开始构建了一个监督变分自动编码器，并根据 CHIME 数据对其进行训练。该模型旨在区分重复和非重复的快速射电暴，使他能够检查两种类型信号之间的差异，而不仅仅是检测爆发。“快速射电爆发是来自太空的极其明亮的闪光，持续时间不到一秒，”阿尼说。 “我们不知道这些信号的原因，有些信号会随着时间的推移再次出现。”他的工作重点是中继器问题和重复问题，这仍然是天文学家研究快速射电暴起源的一个重要问题。
人工智能检测快速无线电爆发重复的差异
该项目不仅仅是确定 FRB 是否是中继器。 Arney 检查了神经网络表示数据内模式的潜在模型空间，发现过量方差和光谱特性的度量是区分两组的重要特征。科学协会报告称，他的分析表明，重复的快速射电暴往往距离地球更近，频率范围更小。这些发现表明，复制基因和复制基因可能存在于宇宙中不同的环境或位置，尽管还需要进一步的观察来确定差异的原因。
AI生成图像
AI Arni 发现四种可能的中继器
该研究的另一个结果是识别了先前隐藏在可用数据中的四个可能重叠的快速射电暴。 未来可以对这些候选信号进行观察，以确定信号是否重复以及它们是否与阿尼模型中发现的特征相匹配。阿尼表示，随着更多数据的出现，这项研究可以为天文学家提供一种利用新的快速射电暴观测结果的有用方法。 “我的模型达到了 98% 的准确度，”他说，并补充说这项工作可以为研究人员提供一种工具来分析未来的火山喷发并研究有关其起源的理论。
人工智能帮助科学家了解神秘的快速射电暴
快速射电爆发是射电天文学家检测到的最不寻常的信号之一，因为它们在很短的时间内释放大量能量。尽管科学家已经确定了一些可能的来源和关联，但快速射电暴是如何产生的全貌仍不清楚。阿尼的研究提出了一种不同的方法，利用机器学习来寻找难以手动识别的模式。 通过将重复序列与重复序列分开并检查与每个组相关的物理特性，该项目可以帮助研究人员测试不同类型的快速射电暴具有不同起源的想法。
Rohan Arni 如何帮助年轻的 STEM 学生
阿尼就读于新泽西州林克罗夫特理工高中，他的工作不属于 FRB 研究范围。他还与哈佛大学的研究人员合作开发 NeuroDiffEq，这是一个由世界各地的研究人员使用的物理信息神经网络库。研究之外，Arnie 是学校机器人和编码俱乐部的主席，并向 100 多名年轻学生教授 STEM 基础知识。他在 FRB 的工作展示了如何将机器学习应用于大量天文数据，而他更广泛的工作反映了他对使用计算和科学解决复杂问题的兴趣。