《请不要回应外星人2019》

640?wx_fmt=gif

640?wx_fmt=jpeg

作者 | 若名

出品 | AI科技大本营 


今天早上,关于“加拿大天文学家发现 15 亿光年外讯号”的话题一度被推到了微博热搜榜第二位,当然也引发了全球范围内的关注。舆论导向都是,“人类该不该做出回应?”翻了一圈评论,人类都喜欢迅速站队,答案其实显得并不重要。


先解释下所谓的讯号,用专业术语来说就是“快速无线电爆发(Fast Radio Burst)”,简称 FRB。据 Nature 报道,科学家检测到的 13 次神秘的 FRB 信号中,发现有一个 FRB 正在重复发射信号,且新发现的 FRB 也处于异常低的无线电频率,甚至一度让诸多媒体揣测这应该是 15 亿光年外的外星人在给人类打招呼。


但实际上,在天空中闪烁了仅仅几毫秒的 FRB,很难做出科学解释,也没有人能准确定位出它们来自何方,为什么会出现,这是人类面临的最新也最令人费解的天文现象之一。


640?wx_fmt=png


这不是第一次检测到 FRB 了,早在 2007 年,西弗吉尼亚州立大学的 Duncan Lorimer 教授和他的学生 David Narkevic 首次发现了一个 5 毫秒脉冲的 FRB,但以当时的科技水平显然无法有效接收。而第一个比较完整的 FRB 被发现于 2012 年,它似乎起源于距地球约 25 亿光年的星系之后,相关研究发表在 2015 年的 Nature 杂志。


加州大学伯克利分校的 Breakthrough Listen 项目欲耗资 1 亿美元寻找智能外星生命的迹象,他们正开发一种基于激光的轻型航天系统,旨在向未来 30 年内向外太阳系发射微型探测器。2017 年 8 月 26 日,该项目分析了400 TB 数据,使用 Green Bank 望远镜在 1 小时内发现了 21 个的 FRB,数据显示,无线电波在不分时间且无规律的在变幻。这些 FRB 来自 2012 年 11 月 2 日被发现的 FRB 121102,是此前唯一一个连续发射信号的 FRB。


640?wx_fmt=gif

Breakthrough Listen 团队使用 Green Bank 望远镜检测到 15 个快速无线电突发(FRB)中的 14 个序列。


而在 2018 年 9 月,天体物理学杂志报道,通过使用人工智能技术,一支来自加州大学伯克利分校的天文学家团队发现了来自 FRB 121102 爆炸的 72 个新的 FRB。博士生 Gerry Zhang 创建了卷积神经网络算法,重新分析了 2017 年的 400TB 数据集,这一新的测量方式有助于深入了解无线电波的周期性和特定频率。AI 技术不仅有助们更详细地了解 FRB 的动态行为,Berkeley SETI 研究中心主任 Andrew Siemion 博士表示,它还有助于检测到经典方法未能发现的信号。他们为此发表了一篇名为FAST RADIO BURST 121102 PULSE DETECTION AND PERIODICITY: A MACHINE LEARNING APPROACH的论文(链接:http://blpd0.ssl.berkeley.edu/frb-machine/CNNFRB_eprint.pdf


根据这些新数据,Gerry Zhang 和他的同事能够确定 FRB 121102 先前一些未被发现的细节。他们发现,93 个 FRB 在到达的时间内没有任何具体可寻的模式,并且无线电波的带宽表明出某些模式在不断扩增,但这对 FRB 意味着什么仍然是一个谜。不过,研究人员也相信人工智能将有望发现 FRB 的更多特征,并解开这个谜团。


此次加拿大科学家第二次发现重复的无线电爆发显然增加了一个揭开谜团的潜在机会,在去年 7 月和 8 月 CHIME 望远镜的早期测试间,他们就发现了 13 个 FRB。而如果发现的数量更多,意味着就能对 FRB 有更多了解。


640?wx_fmt=jpeg     

很多科学家认为 FRB 是超新星中爆发而出的,或者是来自快速旋转的中子星或黑洞合并期间时发射出的信号,当然,有人也说那是外星人的太空飞船发出的信号。猜测的结果五花八门,参与讨论的人有普通网友,还有各个领域的科学家和专业人士,但遗憾的是绝大数人都被舆论带偏,把目光只放在了“不要回应,不要回应”的嗨点上,没人关心具体的科学发现过程。


在得到任何具体且可信的“答案”之前,需要再次指出,目前发现的绝大多数 FRB 本质上是非常单一的,并且只发出一次,所以这些发现留下的问题多于答案,那么当前大多数论断仅且只能是猜测。


但谈论的背后,有一点是值得肯定的,那就是人类渴望探索宇宙,渴望揭开宇宙奥秘的不可抑制的好奇心和不顾一切的探索精神。


参考链接:

https://breakthroughinitiatives.org/news/22

http://www.astronomy.com/news/2018/09/ai-detects-72-fast-radio-bursts-from-a-distant-unknown-source

https://www.space.com/41775-breakthrough-listen-fast-radio-bursts.html

https://dailygalaxy.com/2019/01/repeating-frbs-detected-deepening-their-profound-mystery/




 热 文 推 荐 

赶超 Python 与 Java,JavaScript 问鼎最受欢迎的编程语言

了解这些,才算真正知道开源!

拒绝空谈 AI 设想!手把手教你构建实时、高可用的 AI 调度平台

☞ 刚刚!程序员集体荣获2个冠军,这份2018 IT报告还说这些!

☞ 代码“大换血”,以太坊能耗将减少99%背后的故事

☞ “微信之父”张小龙:我没去过龙泉寺!

☞ Spark+Alluxio性能调优十大技巧

☞ 春运抢票靠加速包?试试这个Python开源项目吧


 

print_r('点个好看吧!');
var_dump('点个好看吧!');
NSLog(@"点个好看吧!");
System.out.println("点个好看吧!");
console.log("点个好看吧!");
print("点个好看吧!");
printf("点个好看吧!\n");
cout << "点个好看吧!" << endl;
Console.WriteLine("点个好看吧!");
fmt.Println("点个好看吧!");
Response.Write("点个好看吧!");
alert("点个好看吧!")
echo "点个好看吧!"

640?wx_fmt=gif点击“阅读原文”,打开 优快云 App 阅读更贴心!


640?wx_fmt=png 喜欢就点击“好看”吧!


提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值