La NASA utilise actuellement l’I.A. pour la science spatiale

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

Il existe certaines technologies d’I.A. sur lesquelles la NASA compte, telles que l’apprentissage automatique, pour interpréter les données. Ces données seront ensuite collectées par des télescopes, notamment le télescope spatial James Webb ou le satellite de survey des exoplanètes en transit, à un moment donné dans le futur.

Giada Arney, astrobiologue au Centre de vol spatial Goddard de la NASA à Greenbelt, dans le Maryland, espère que l’apprentissage automatique pourra l’aider, elle et son équipe, à trouver certaines indications de vie dans les données qui seront collectées par les télescopes et les observatoires. 

“Ces technologies sont très importantes, surtout pour les grands ensembles de données et surtout dans le domaine des exoplanètes,” a déclaré Arney dans le communiqué. “Parce que les données que nous allons obtenir des observations futures seront rares et bruyantes. Il sera vraiment difficile de les comprendre. L’utilisation de ces outils a donc un grand potentiel pour nous aider.”

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

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

“FDL ressemble à des musiciens très doués avec différents instruments qui se réunissent pour une séance de jam dans le garage, trouvent quelque chose de vraiment cool et disent : ‘Hé, nous avons un groupe ici,'” a déclaré Domagal-Goldman 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 les réseaux de neurones. Ils analysent les 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 l’exoplanète WASP-12b. La technique a fait cela avec plus de précision que les autres méthodes. 

Selon Domagal-Goldman, le réseau de neurones peut également identifier lorsqu’il y a un manque de données. La technique bayésienne, telle qu’elle est appelée, peut également indiquer aux scientifiques à quel point elle est sûre de sa prédiction. 

“Dans les endroits où les données n’étaient pas suffisamment 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,” a déclaré Domagal-Goldman.

La technique bayésienne est toujours en cours de développement, mais d’autres technologies FDL sont utilisées dans le monde réel. Dès 2017, un programme d’apprentissage automatique a été développé par les participants à FDL capable de créer rapidement des modèles 3D d’astéroïdes proches. Il pouvait également estimer avec précision leurs formes, tailles et vitesses de rotation. Ce type d’informations est utile pour que la NASA détecte et détourne les astéroïdes qui menacent la Terre. 

Les astronomes utilisent traditionnellement des logiciels informatiques simples pour créer des modèles 3D, et ils analysent les mesures radar d’un astéroïde en mouvement. Ils fournissent ensuite des informations utiles pour aider les scientifiques à déduire ses propriétés physiques en fonction des changements du signal radar. 

Bill Diamond est le président et directeur général de SETI. 

“Un astronome habile avec des ressources informatiques standard pourrait donner une forme à un seul astéroïde en un à trois mois,” a déclaré Diamond. “Donc, la question pour l’équipe de recherche était : Pouvez-vous accélérer les choses ?”

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

Les chercheurs suggèrent également que les technologies d’I.A. soient intégrées dans les futurs vaisseaux spatiaux, et que cela permettrait aux vaisseaux spatiaux de prendre des décisions en temps réel.

“Les méthodes d’I.A. nous aideront à libérer du pouvoir de traitement de nos propres cerveaux en effectuant beaucoup du travail initial sur les tâches difficiles,” a déclaré Arney. “Mais ces méthodes ne remplaceront pas les humains dans un avenir proche, car nous devrons toujours vérifier les résultats.”