جستوجوی حیات فرازمینی در این جهان پهناور به همکاری گسترده نیاز دارد. یک پروژه جمعسپاری از دانشگاه برکلی از داوطلبان خواست رایانههای خانگی خود را در اختیار جستوجوی نشانههای موجودات فضایی بگذارند و اکنون دانشمندان این دادهها را به ۱۰۰ سیگنال قابلتوجه محدود کردهاند.
پروژه SETI@home که مخفف «جستوجوی هوش فرازمینی» است، از سال ۱۹۹۹ تا ۲۰۲۰ فعال بود و برای پردازش سیگنالهای رادیویی فضایی به توان رایانههای خانگی داوطلبان متکی بود. در طول این پروژه بیش از ۱۲ میلیارد سیگنال احتمالی جمعآوری شد. تیم SETI@home طی ۱۰ سال این دادهها را بررسی کرد و آنها را ابتدا به حدود یک میلیون مورد و سپس به فهرست نهایی ۱۰۰ سیگنال رساند که اکنون نیازمند بررسی عمیقتر هستند.
ممکن است هیچ نتیجه مشخصی از این تلاشها به دست نیاید، اما این به معنای بیاهمیت بودن پیشرفت پروژه نیست.
دیوید اندرسون، دانشمند رایانه و یکی از بنیانگذاران SETI@home، گفته است: «اگر موجودات فرازمینی را پیدا نکنیم، دستکم میتوانیم بگوییم سطح حساسیت تازهای ایجاد کردهایم. اگر سیگنالی با قدرت بالاتر وجود داشت، آن را پیدا میکردیم.» نتایج این پروژه در دو مقاله در نشریه The Astronomical Journal منتشر شده است.
پروژه از داوطلبان خواست نرمافزاری را روی رایانههای خانگی خود نصب کنند تا تیم پژوهشی بتواند دادههای جمعآوریشده توسط رصدخانه اکنون تعطیلشده آرسیبو در پورتوریکو را برای یافتن سیگنالهای رادیویی غیرعادی تحلیل کند.
در طول ۲۱ سال، میلیونها نفر از سراسر جهان برای کمک به جستوجوی نشانههای حیات فرازمینی ثبتنام کردند. اندرسون گفت: «وقتی در حال طراحی SETI@home بودیم، تردید داشتیم که آیا ارزش انجام دارد یا نه و آیا توان پردازشی کافی برای انجام علم واقعی به دست میآوریم. محاسبات ما بر اساس ۵۰ هزار داوطلب بود، اما خیلی زود به یک میلیون نفر رسیدیم. این واقعاً جالب بود و میخواهم آن جامعه و جهان بدانند که ما واقعاً کار علمی انجام دادیم.»
ایده اصلی این بود که حجم عظیمی از دادهها ــ که معمولاً توسط ابررایانهها پردازش میشود ــ به بخشهای کوچک تقسیم شود تا رایانههای خانگی بتوانند آن را پردازش کنند. دادهها زمانی ثبت میشد که ستارهشناسان بشقاب رادیویی آرسیبو را به بخشهای مختلف آسمان نشانه میرفتند و سپس این دادهها میان رایانههای داوطلبان توزیع میشد.
نرمافزار SETI@home سپس دادهها را با استفاده از ابزاری ریاضی به نام «تبدیل فوریه گسسته» پردازش میکرد؛ روشی که نشان میدهد سیگنالهای رادیویی از چه فرکانسهایی تشکیل شدهاند. نرمافزار همچنین دادهها را برای یافتن تغییرات فرکانسی ناشی از حرکت نسبی منبع بررسی میکرد؛ پدیدهای که «رانش داپلری» نام دارد.
