AI Deteksi 72 Sinyal Radio dari Luar Galaksi. Tanda Adanya Alien?

By Prahariezka Arfienda   |   Sept 20, 2018

Pencarian kehidupan di luar angkasa rupanya bukan hanya bagian dari film fiksi ilmiah belaka. Di kehidupan nyata, sebagian ilmuwan memang mendedikasikan waktu dan upaya mereka untuk “berburu alien”. Penelitian kehidupan di luar bumi ini disebut juga dengan SETI, yang merupakan singkatan dari the search for extraterrestrial intelligence.

Perkembangan teknologi AI rupanya sangat membantu ilmuwan yang melakukan riset di bidang SETI. Salah satunya, dalam penelitian terhadap FRB atau Fast Radio Burst. FRB adalah sinyal radio dari luar galaksi dengan energi sangat besar yang dipancarkan dalam hitungan milidetik.

Tanda kehidupan ekstraterestrial?

Pemicu FRB sendiri masih menyimpan tanda tanya besar. Sejumlah teori tentang asal muasal FRB beredar. Di antaranya, gaya magnetis kuat dari bintang neutron, hingga black hole. Namun salah satu yang paling populer adalah, teori bahwa FRB berasal dari sinyal yang dipancarkan oleh peradaban alien di luar angkasa. Oleh karena itu, transmisi FRB seringkali dijadikan acuan dalam mengungkap kehidupan ekstraterestrial.

Sekelompok peneliti dalam proyek Breakthrough Listen yang dipimpin oleh University of California, Berkeley, mendapatkan temuan baru dari sebuah aktivitas FRB yang tidak biasa. Mereka memanfaatkan machine learning untuk meneliti FRB dari sumber misterius yang berjarak tiga miliar tahun cahaya dari bumi.

Manfaatkan AI untuk identifikasi anomali

Jika kebanyakan FRB bersifat sementara, atau hanya hilang dan timbul, FRB 121102 justru sebaliknya. Sinyal yang dipancarkan terjadi berulang, dan datang dari sumber yang sama. Sifat tersebut rupanya menarik perhatian banyak astronom yang ingin mencari tahu apa penyebab terjadinya FRB tersebut.

Para peneliti menggunakan data FRB yang telah dikumpulkan sebelumnya untuk melatih neural network agar dapat menemukan FRB baru yang sebelumnya tidak terdeteksi. Gerry Zhang, peneliti dari UC Berkeley yang memimpin pengembangan algoritma tersebut, memanfaatkan teknologi convolutional neural network.

Sumber gambar: SETI Berkeley

Convolutional neural network, biasa disebut juga ConvNets atau CNN, adalah salah satu kategori neural network yang terbukti sangat efektif untuk aktivitas seperti image recognition atau classification. Biasanya, ConvNets digunakan untuk membedakan wajah, benda, atau rambu lalu lintas .

Setelah dilatih menggunakan ConvNets, algoritma temuan Zhang kemudian dibiarkan menelusuri dataset yang sudah ada. ConvNets mampu mengenali jenis dan bentuk ledakan dari data yang sudah ada, kemudian menemukan FRB yang terlewatkan oleh metode penelitian sebelumnya.

Awal dari kemajuan di bidang riset SETI

Data dari penelitian sebelumnya didapatkan dari perekaman dalam periode lima jam yang dilakukan pada tanggal 26 Agustus 2017 oleh Teleskop Green Bank di Virginia Barat, Amerika Serikat. Sebanyak 21 FRB ditemukan dari kumpulan data sebesar 400 Terabit tersebut.

Algoritma temuan Zhang berhasil menemukan 72 FRB yang sempat terlewatkan dari data tersebut. Jika digabungkan dengan data-data lainnya yang dikumpulkan dari tahun 2012, FRB 121102 tercatat telah mengeluarkan sinyal sebanyak 300 kali, dari titik yang sama.

“Hasil temuan ini hanyalah awal mula dari penggunaan metode yang luar biasa ini untuk menemukan radio transient,” ujar Gerry Zhang, dilansir dari Berkeley News. “Kami harap, keberhasilan kami dapat menginspirasi penelitian lebih lanjut lainnya untuk mengaplikasikan machine learning dalam radio astronomy.”

Gunakan format PSRFITS

Apabila kamu tertarik untuk mengetahui lebih lanjut tentang teknologi di balik machine learning tersebut, kamu bisa melihatnya di situs penelitian milik UC Berkeley. Data ledakan tersebut tersedia dalam format PSRFITS.

PSRFITS adalah sebuah format data storage baru yang berdasarkan kepada Flexible Image Transport System (FITS) untuk mengakomodir data pulsar. Kamu bisa menggunakan PSRCHIVE atau PyPulse untuk mengakses data dalam format PSRFITS.

PyPulse adalah sebuah package yang menggunakan Python untuk menganalisis dan menangani data dalam format PSRFITS. Sementara itu, PSRCHIVE adalah library development C++ yang tersedia secara open source untuk analisis data astronomi pulsar.

PSRCHIVE mengimplementasikan berbagai algoritma yang digunakan untuk pulsar timing, scintillation studies, polarimetric calibration, single-pulse work, mitigasi RFI, dan lain sebagainya.

Tertarik untuk mempelajari data science dan machine learning lebih mendalam?

Daftar Data Science Academy di Sini!

0 replies

Leave a Reply

Want to join the discussion?
Feel free to contribute!

Leave a Reply

Your email address will not be published. Required fields are marked *