22 episodios
03:01:11Habla: Héctor Socas
↗

Búsqueda · 24 momentos en 12 episodios

Luisa AchaerandioFrancis VillatoroBorja TosarHéctor Socassalvapantallas detecta señales seticorrecciones y sumas proyecto setiseñales interesantes enterradas en ruidoseñales seti forma gaussianaduración de pulsos seti segundoalgoritmos seti duración milisegundosdetección señales por encima ruidoseñales detectadas proyecto setiservidor en berkeley análisis señalesdescarte interferencia radiofrecuencia setiseñal seti comparada datos 14 añosbackend analiza señales proyecto setialgoritmo compara eventos durante 14 añosdetección multiplete seti at homeseñales sintéticas birdies proyecto setibackend detecta señales falsas setisensibilidad algoritmo señales intensidad setiparámetros sensibles proyecto setiUniversidad de BerkeleySETIHéctor SocasSETI at HomeTwitterBerkeleyFASTChinaObservatorio Astronómico NacionalCoffee BreakEl origen de la vida y de todo lo demásnúmero 4292 señalesBorja Tosarproyecto SETI

Señales detectadas proyecto SETI

Ep538 Coffee Break Señal y Ruido en Directo

25 de diciembre de 2025
10 momentos
Con
0:000:301:001:302:002:303:13

Héctor Socas explica qué ocurre con las señales detectadas por los algoritmos del proyecto SETI at Home después de ser identificadas y cómo se envían a un servidor en Berkeley para su análisis.

…por ejemplo como el Sol, tiene una cierta velocidad orbital porque tiene que estar a una cierta distancia de su estrella entonces consideran esa velocidad orbital como parte del rango de la deriva que puede tener la señal entonces basándose en todo eso. Todo eso lo hacía nuestro salvapantallas; es lo que quiero decir. Todas esas correcciones, sumas, tal, para intentar rascar señal por debajo del ruido, lo hacía nuestro salvapantallas y así identificaba un montón de señales interesantes que estaban enterrados en el ruido y luego además intentaba ajustar una gaussiana para Ver si la señal tiene forma gaussiana o ver si es un pico, simplemente. Probar con diferentes valores de duración. Que hubiera un pulso, como decía yo antes, de un segundo, de medio segundo, de cinco segundos y apilar señal en esos intervalos temporales para ver si puedes detectar una señal por encima del ruido. Entonces, haciendo todo eso, son sensibles a señales que puedan tener una duración de entre milisegundos hasta 53 segundos. Ese es el marco de sensibilidad que tienen estos algoritmos. Y luego una vez que se hace eso, se detectan estas señales y se mandan al servidor que hay en Berkeley, que es el backend para que las analice y descarte las que son radiofrecuencia, o sea interferencia de radiofrecuencia. ¿Cómo se descarta? Pues lo que les he dicho, ¿no? Si aparecen en muchos haces, si es una señal que aparece en diferentes puntos del cielo, la misma señal con la misma deriva, porque todo eso, o sea, el algoritmo, o sea, el servidor ya, el backend, compara no solo el trocito que tú analizaste que es un minuto, sino ya los 14 años de datos. O sea, cada evento se compara con todos los demás registrados durante esos 14 años de datos para ver si es compatible, si puede ser parte de un multiplete, si están, para intentar conectarlos, ¿no? Y, o sea, es un trabajo luego brutal también el que hace luego el backend por detrás. Entonces, bueno, voy a ir terminando con todo esto porque tenía ahí un montón de detalles pero que no vienen al caso y vamos a resumir. Otra cosa interesante que hacen, esto sí, es que también introducen señales sintéticas; ellos lo llaman birdies, como pajaritos, esto es antes de Twitter, pero meten pajaritos que son señales falsas para ver si el backend es capaz de encontrarlas, y en base a eso hacen estadística de cuál es la sensibilidad para diferentes rangos, por ejemplo, ellos prueban con señales de diferente intensidad, diferentes derivas, y ven que el algoritmo es ciego a algunas señales, pero es más o menos sensible a otras y tal. Entonces, estos Verdi son interesantes para caracterizar tu rango de parámetros a los que eres sensible. Luego hay otro montón de detalles que no son tan relevantes, pero que tuvieron que trabajar mucho la optimización, el cómo crear la base de datos; pues trabajan con un, al final lo meten todo en un fichero CSV, que parece como muy de andar por casa, pero…
Significado #1 · Palabras #1