شناسایی سیگنال‌های رادیویی بسیار دور در لحظه ،توسط دانشجوی سوینبرن استرالیا
"انفجارهای رادیویی سریع" پالس‌هایی با عمر کوتاه هستند که از مبدأ ناشناخته‌ای در جهان دور منتشر می‌شوند.
به گزارش رادیو نشاط ، "ویل فارا"(Wael Farah) ، دانشجوی مقطع دکترا در استرالیا اخیرا یک سیستم خودکار را توسعه داده است تا در لحظه، پالس‌های رادیویی پر رمز و راز ناشی از جهان عمیق موسوم به "انفجارهای رادیویی سریع"(FRB) را تشخیص دهد.
سیستم یادگیری ماشین مذکور به گونه‌ای طراحی شده است که به طور خودکار سیگنال‌ها را ثبت می‌کند.
این سیگنال‌های زودگذر که با نام "انفجارهای رادیویی سریع"(FRB) شناخته شده‌اند نخستین بار در سال ۲۰۰۷ توسط دانشمندان کشف شدند و از آن زمان تاکنون نیز دانشمندان در حال بررسی آنها هستند.
در اخترشناسی رادیویی، یک انفجار رادیویی سریع(FRB) یک پالس رادیویی گذرا ناشی از برخی فرایندهای اخترفیزیکی با انرژی بالا است که هنوز درک نشده است. در حالی که منبع آنها بسیار پرانرژی است، قدرت سیگنالی که از آنها به زمین می‌رسد ۱۰۰۰ برابر کمتر از تلفن همراه در ماه توصیف شده است. اولین انفجار رادیویی سریع توسط "دانکن لوریمر"(Duncan Lorimer) و شاگردش "دیوید نارکویچ"(David Narkevic) در سال ۲۰۰۷ هنگام بررسی پالس‌ها کشف شد و به همین دلیل معمولاً از آن به عنوان "انفجار لوریمر"(Lorimer Burst) نیز یاد می‌شود.
در حال حاضر پنج "انفجار رادیویی سریع" توسط سیستم یاد شده شناسایی شده است که یکی از آنها پرانرژی‌ترین انفجاری است که تاکنون دیده شده است.
فارا دانشجوی مقطع دکترا در "دانشگاه فناوری سوینبرن"(Swinburne University of Technology) در "رصدخانه رادیویی مولونگو"(Molongo Radio Observatory) رایانه‌ای را آموزش داد تا ویژگی‌های بسیار کوچک انفجارهای رادیویی سریع را شناسایی کند و بتواند به راحتی فرق آنها را از سر و صدای پیش زمینه تشخیص دهد.
دکتر "کریس فلین"(Chris Flynn) دانشمند این پروژه گفت: این تکنیک یادگیری ماشین به رایانه این امکان را می‌دهد تا انفجارهای رادیویی سریع را از بین میلیون‌ها رویداد رادیویی دیگر مانند تلفن‌های همراه، طوفان‌های رعد و برق و سیگنال‌های خورشید و تپ‌اخترها شناسایی و ذخیره کند.
این روش جدید همچنین به دانشمندان این امکان را می‌دهد تا این سیگنال‌ها را با جزئیات بیشتری از گذشته مورد مطالعه قرار دهند.
Swinburne uses AI to detect fast radio bursts in real-time