AI 與世界的難題 · 天文與太空 · arXiv · 2026-10-19
Breakthrough Listen 資料上卷積神經網路技術特徵偵測器的漏檢與誤報
原標題: Missed Detections and False Alarms in a CNN Technosignature Detector on Breakthrough Listen Data
無線電技術特徵搜尋會使用機器學習偵測器來縮小候選範圍，但這些偵測器通常只在與其訓練集相似的資料上進行驗證。作者凍結了一個標準的競賽偵測器，並以 15,000 個注入訊號對其進行測試，這些訊號涵蓋十種型態與五種振幅，並被置入真實的 Green Bank 背景資料中。召回率並未遵循預期的排序，且隨著訊號變亮而下降，即使是偵測器受過訓練的針狀訊號也是如此（從 0.590 降至 0.090），而且有一種干擾類型的偽陽性率達到 0.627。