La NASA utilise actuellement l'IA pour les sciences spatiales

Dans une déclaration publiée par la NASA le mois dernier, l'agence a déclaré que l'IA a le potentiel d'aider à travailler sur certains des plus grands problèmes de la science spatiale. L'IA pourrait être utilisée pour rechercher la vie sur d'autres planètes ou identifier des astéroïdes. Les scientifiques de la NASA s'associent à des leaders de l'industrie de l'IA, comme Intel, IBM et Google. Ensemble, ils peuvent appliquer des algorithmes informatiques avancés pour résoudre certains de ces problèmes. 

La NASA s'appuie sur certaines technologies d'IA, comme l'apprentissage automatique, pour interpréter les données. Ces données seront ensuite collectées par des télescopes, dont le James Webb Space Telescope ou le Transiting Exoplanet Survey Satellite, à un moment donné dans le futur.

Giada Arney, astrobiologiste au Goddard Space Flight Center de la NASA à Greenbelt, Maryland, espère que l'apprentissage automatique pourra l'aider, elle et son équipe, à trouver des indications de vie dans les données qui seront collectées par les télescopes et les observatoires. 

« Ces technologies sont très importantes, notamment pour les grands ensembles de données et notamment dans le domaine des exoplanètes », a déclaré Arney dans le communiqué. « Car les données que nous obtiendrons des futures observations seront rares et bruitées. Elles seront très difficiles à comprendre. L'utilisation de ce type d'outils est donc très prometteuse. »

La NASA organise chaque été un programme de huit semaines qui réunit des leaders des secteurs de la technologie et de l'espace, appelé Frontier Development (FDL).

Shawn Domagl-Goldman est un astrobiologiste Goddard de la NASA. 

« FDL, c'est comme si de très bons musiciens avec différents instruments se réunissaient pour une jam session dans le garage, trouvaient quelque chose de vraiment cool et disaient : "Hé, nous avons un groupe ici" », a-t-il déclaré dans le communiqué.

En 2018, une équipe FDL a été encadrée par Domagal-Goldman et Arney, et ils ont développé une technique d'apprentissage automatique qui repose sur des réseaux de neurones. Ils analysent des images et identifient la chimie des exoplanètes en utilisant les longueurs d'onde de la lumière émise ou absorbée par les molécules de leur atmosphère. 

En utilisant cette nouvelle technique, les chercheurs ont pu identifier diverses molécules dans l'atmosphère de WASP-12b, une exoplanète. La technique a fait cela avec plus de précision que les autres méthodes. 

Selon Domagal-Goldman, le réseau de neurones peut également identifier le manque de données. La technique bayésienne, comme on l'appelle, peut également dire aux scientifiques à quel point elle est certaine de sa prédiction. 

"Dans les endroits où les données n'étaient pas assez bonnes pour donner un résultat vraiment précis, ce modèle était meilleur pour savoir qu'il n'était pas sûr de la réponse, ce qui est vraiment important si nous voulons faire confiance à ces prédictions", Domagal-Goldman a dit.

La technique bayésienne est toujours en cours de développement, mais d'autres technologies FDL sont utilisées dans le monde réel. En 2017, un programme d'apprentissage automatique a été développé par les participants FDL qui était capable de créer rapidement des modèles 3D d'astéroïdes à proximité. Il pourrait également estimer avec précision leurs formes, leurs tailles et leurs taux de rotation. Ce type d'information est utile à la NASA pour détecter et dévier les astéroïdes qui menacent la Terre. 

Les astronomes utilisent traditionnellement un logiciel informatique simple pour créer des modèles 3D, et il analyse les mesures radar d'un astéroïde en mouvement. Il fournit ensuite des informations utiles pour aider les scientifiques à déduire ses propriétés physiques en fonction des modifications du signal radar. 

Bill Diamond est le président et chef de la direction de SETI. 

"Un astronome habile avec des ressources de calcul standard pourrait façonner un seul astéroïde en un à trois mois", a déclaré Diamond. "Donc, la question pour l'équipe de recherche était : Pouvons-nous l'accélérer ?"

L'équipe composée d'étudiants de France, d'Afrique du Sud et des États-Unis, ainsi que de mentors du milieu universitaire et de la société technologique Nividia, a développé un algorithme capable de restituer un astéroïde en aussi peu que quatre jours. La technique est actuellement utilisée par les astronomes de l'observatoire d'Arecibo à Porto Rico, et elle modélise en temps réel la forme des astéroïdes. 

Les chercheurs suggèrent également que les technologies d'IA soient intégrées dans les futurs engins spatiaux, et que cela permettrait à l'engin spatial de prendre des décisions en temps réel.

« Les méthodes d'IA nous aideront à libérer la puissance de traitement de notre cerveau en effectuant une grande partie du travail initial sur les tâches difficiles », a déclaré Arney. « Mais ces méthodes ne remplaceront pas les humains de sitôt, car nous devrons encore vérifier les résultats. »