MétaCan
Menu
Retour à la cohorte
Enregistrement W4229454017 · doi:10.3847/1538-4357/ac6dd5

Searching for Broadband Pulsed Beacons from 1883 Stars Using Neural Networks

2022· article· en· W4229454017 sur OpenAlexaff
Vishal Gajjar, Dominic LeDuc, Jiani Chen, Andrew Siemion, Sofia Z. Sheikh, Bryan Brzycki, S. Croft, Daniel Czech, David R. DeBoer, Julia DeMarines, Jamie Drew, Howard Isaacson, Brian C. Lacki, Matt Lebofsky, David H. E. MacMahon, Cherry Ng, Imke de Pater, Karen I. Perez, Danny C. Price, Akshay Suresh, Claire Webb, S. Pete Worden

Notice bibliographique

RevueThe Astrophysical Journal · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSpace Science and Extraterrestrial Life
Établissements canadiensCanadian Institute for Theoretical AstrophysicsUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBeaconStarsBroadbandComputer scienceTelecommunicationsComputer vision

Résumé

récupéré en direct d'OpenAlex

Abstract The search for extraterrestrial intelligence at radio frequencies has largely been focused on continuous-wave narrowband signals. We demonstrate that broadband pulsed beacons are energetically efficient compared to narrowband beacons over longer operational timescales. Here, we report the first extensive survey searching for such broadband pulsed beacons toward 1883 stars as a part of the Breakthrough Listen’s search for advanced intelligent life. We conducted 233 hr of deep observations across 4–8 GHz using the Robert C. Byrd Green Bank Telescope and searched for three different classes of signals with artificial (or negative) dispersion. We report a detailed search—leveraging a convolutional neural network classifier on high-performance GPUs—deployed for the very first time in a large-scale search for signals from extraterrestrial intelligence. Due to the absence of any signal-of-interest from our survey, we place a constraint on the existence of broadband pulsed beacons in our solar neighborhood: ≲1 in 1000 stars have transmitter power densities ≳105 W Hz−1 repeating ≤500 s at these frequencies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,029
Tête enseignante GPT0,281
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Astrophysical JournalMême sujetSpace Science and Extraterrestrial LifeTravaux en français237 207