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.
|