Quelques graphiques de résultats scientifiques.
Signaux gaussiens (émissions continues).
Les signaux candidats d'un transmetteur distant devrait croître et décroître rapidement avec le temps alors que le point visé du ciel passe en vue du
faisceau du télescope. Spécifiquement, la puissance reçue devrait augmenter et diminuer suivant une courbe en forme de cloche (une courbe
"gaussienne"). Les clients SETI@home recherchent cette forme caractéristique.
Dans ces tracés, le tracé rouge indique les données collectées du télescope. La courbe jaune (lissée) trace le "meilleur ajustement
gaussien" pour cet ensemble de donnée. L'écart entre les deux courbes (rapporté à la surface totale) est mesuré par un facteur d'ajustement autrement
appelé "test du Chi2" (prononcez "Khi" comme la lettre grecque X). Plus faible est la valeur du Chi2, meilleur est
l'ajustement.
Ce premier graphique montre un programme client SETI@home détectant un ajustement gaussien à un signal puissant ; ce signal test a été injecté
artificiellement pour s'assurer que le matériel et le logiciel fonctionnent correctement.
Le second graphique montre un ajustement gaussien trouvé par un client dans une unité de travail typique. L'unité de travail ne contient que du bruit
(aucun signal n'est vraiment présent, mais le bruit pourra occasionnellement ressembler à un signal gaussien, juste par hasard.
La distribution de nombreux ajustement gaussiens, obtenue à partir des données d'une journée de mesure : pour chaque signal gaussien détecté par
un client, ce graphique affiche un point positionné en fonction de la puissance détectée et de la valeur du facteur de test du Chi2 (ce facteur
est une mesure de la qualité de l'ajustement de la courbe gaussienne idéale avec les données).
Les candidats les plus intéressants sont ceux situés dans le coin inférieur droit du graphique, avec une faible valeur du Chi2 (bon
ajustement), et une forte puissance. Dans le cas présent, il n'y a pas de candidats avec de bons scores, parce les données du jour sont dominées par le
bruit et contiennent très peu d'interférences en radio-fréquences.
Les programmes clients ne rapportent pas de Gaussiens avec un Chi2 supérieur à 10 (ce sont de mauvais ajustements), ni ceux dont la puissance
trop élevée fait saturer le récepteur très sensible du télescope et provoque des débordements de calcul.
La distribution de nombreux ajustements gaussiens, tracée depuis un échantillon aléatoire de toutes nos données jusqu'à le date du tracé. Nous avons
défini la région des "meilleurs" ajustements gaussiens, et l'avons représentée par une ligne jaune. La ligne est droite en fait - Elle apparaît
courbée à cause de l'échelle logarithmique sur l'axe horizontal des puissances de crète. La région des meilleurs ajustements sous cette ligne est
étudiée plus en détail dans les graphiques suivants.
Voici un graphique des meilleurs signaux gaussiens obtenus à cette date. Ce sont les données utilisées pour produire les graphiques qui suivent.
Nous nous demandons ici combien de signaux gaussiens ont été détectés à chacune des résolutions de fréquence qu'examinent les clients SETI@home.
Il n'y a aucun signal gaussien aux trois résolutions les plus fines, parce que nous ne calculons pas d'ajustements gaussiens pour ces résolutions. En
effet, la résolution dans le temps est trop faible pour ces résolutions de fréquences pour produire suffisamment de d'éléments dans le temps (consultez la
FAQ scientifique).
Il y a deux raisons pour lesquelles nous voyons peu ou pas de signaux gaussiens aux résolutions de fréquences les plus grossières. Tout d'abord, nous en
voyons moins parce que nous en calculons moins. Deuxièmement, les signaux en bande étroite ne dépassent pas le niveau de bruit aussi facilement à des
résolutions plus larges. Aussi, à moins que le signal soit très puissant, il ne sera pas assez fort par rapport au bruit de fond pour être rapporté par la
routine d'ajustement gaussien.
Puisque nous pouvons mesurer plus faiblement les signaux en bande étroite à résolutions de fréquence plus élevées, les graphiques qui suivent ont
été obtenus pour une largeur de bande de 0,6 Hz.
Ce graphique trace le nombre de signaux gaussiens intéressants qui ont été détectés sur chaque vitesse de dérive en fréquences, en employant une
analyse à la résolution de fréquences de 0,6 Hz.
L'échelle verticale logarithmique indique qu'à la vitesse de dérive de 0 Hz/s, le nombre de signaux détectés est très important (ici de l'ordre
de 500 signaux détectés contre 6 environ pour chaque vitesse de dérive non nulle). Comme il est peu probable que des signaux recherchés subissent une
vitesse de dérive nulle (ce qui signifierait que l'objet observé se rapproche ou s'éloigne de nous à une vitesse constante sans subir d'accélération
gravitationnelle significative), une grande partie de ces signaux sont très probablement des interférences d'origine terrestre, et il est normal que ces
signaux soient nettement plus nombreux.
Néanmoins, la distribution obtenue étant relativement stable pour les autres vitesses de dérive, ce graphique suggère qu'il aurait été intéressant de
rechercher des signaux avec une plage de vitesses de dérive plus étendue qu'actuellement, ceci afin de couvrir une gamme plus étendue d'objets célestes,
qui subissent des accélérations plus importantes. Ce sera peut-être l'objet d'une future évolution du projet.
Ce graphique montre combien de signaux gaussiens intéressants ont été détectés à chaque fréquence du spectre d'étude qui a été examinée à une
résolution de 0,6 Hz. Le graphique deux pointes élevée près de 1,4200 GHz, dont une plus importante à 1,4199 GHz, et une autre accumulation
de signaux autour de 1,4208 GHz.
Ici nous voyons nos signaux gaussiens intéressants distribués à travers le ciel. Les amas aux déclinaisons extrêmes sont dues au fait que le faisceau
du télescope glisse tout seul dans le ciel avec la rotation de la Terre (l'antenne SETI n'est pas conçue pour pointer un objet céleste et suivre sa
trajectoire dans le ciel) ; aussi le mouvement du faisceau du télescope ralentit naturellement lorsqu'il atteint les déclinaisons extrêmes. Nous voyons
alors plus de signaux gaussiens simplement parce que nous passons plus de temps à regarder ces régions.
|