محققان رادیویی در مؤسسه جستجوی هوش فرازمینی (SETI) از هوش مصنوعی برای انجام اولین جستجوی بلادرنگ جهان به منظور یافتن FRBها یا همان سیگنال‌های پرانرژی از فضا که ممکن است نشانه‌ای از حیات باشد، استفاده می‌کنند. شرکت انویدیا در اجلاس AI خود اعلام کرد که ستاره‌شناسان رادیویی SETI از پلتفرم پردازش حسگر Nvidia Holoscan و روش های محاسباتی Nvidia IGX استفاده می‌کنند تا درک بهتری از این پدیده‌های نادر داشته باشند.

مؤسسه SETI با استفاده از آرایه تلسکوپ آلن در شمال کالیفرنیا به دنبال شواهدی از هوش فرازمینی و مطالعه رویدادهای نجومی موقت مانند FRB‌ها است. به طور تاریخی، تجزیه و تحلیل سیگنال‌های رادیویی از فضا یک فرآیند کند و آفلاین بوده است که داده‌ها جمع‌آوری و سپس پردازش می‌شدند. اما با استفاده از پلتفرم‌های انویدیا، محققان SETI اکنون توانسته‌اند سیستمی بلادرنگ برای تشخیص FRB‌ها و سیگنال‌های ضعیف دیگر ایجاد کنند که تجزیه و تحلیل داده‌ها را سرعت می‌بخشد.

این پروژه زمانی آغاز شد که اندرو سیِمیون، رئیس SETI، بیش از یک دهه پیش به پتانسیل یادگیری ماشینی اولیه برای تجزیه و تحلیل سیگنال‌های رادیویی پی برد. مؤسسه SETI از پردازنده‌های گرافیکی انویدیا برای تسریع الگوریتم‌هایی که سیگنال‌ها را از نویز پس‌زمینه جدا می‌کنند، استفاده می‌کرد. سیِمیون با آدام تامپسون، مدیر محصول فنی ارشد انویدیا، به توافق رسید تا سیستمی برای تشخیص بلادرنگ سیگنال های پرانرژی بسازد. این پروژه همکاری بین مؤسسه SETI و برنامه تحقیقاتی Breakthrough Listen بود که در دانشگاه آکسفورد مستقر است. مؤسسه SETI با استفاده از SDK Holoscan خط لوله دریافت داده‌های بلادرنگ و استنتاج را توسعه داد و محققی از Breakthrough Listen مدل هوش مصنوعی برای تشخیص FRB‌ها را ساخت و آموزش داد.

در آزمایش اخیر، ۲۸ آنتن به سمت سحابی خرچنگ نشانه‌گیری شد و در مدت ۱۵ ساعت بیش از ۹۰ میلیارد بسته داده جمع‌آوری و با سرعت تقریباً ۱۰۰ گیگابایت در ثانیه پردازش شد که این دو برابر توانایی قبلی مؤسسه SETI است. طبق گفته سیِمیون، سیستم هوش مصنوعی می‌تواند تمام داده‌های ورودی را بدون نیاز به حذف هیچ‌کدام از آنها برای بهره‌وری، ثبت و تحلیل کند که بهبود قابل‌توجهی نسبت به روش‌های قبلی است. این پیشرفت نه تنها برای نجوم بلکه برای سایر صنایع نیازمند به محاسبات سریع و هوش مصنوعی نیز کاربرد دارد.

منبع خبر: AI Business