Réseaux de neurones utilisés pour aider à construire une carte 3D de l’univers

Les astronomes du département d’astronomie de l’Université d’Hawaï ont récemment utilisé des algorithmes d’IA pour cartographier plus de 3 milliards d’objets célestes. L’équipe d’astronomie a utilisé des données spectroscopiques et des algorithmes de classification de réseaux de neurones pour accomplir cette tâche.

En 2016, les astronomes de l’Université d’Hawaï à Manoa (UHM) ont publié un ensemble de données massif contenant des données d’observation pour plus de 3 milliards d’étoiles, de galaxies et d’autres objets célestes, collectées sur 4 ans d’observation d’environ trois quarts du ciel nocturne. Le projet s’appelait le projet Pan-STARRS et l’ensemble de données qu’il a produit était d’environ 2 pétaoctets (deux millions de gigaoctets) de taille.

Comme l’a expliqué Hans-Walter Rix, directeur du département des galaxies et de la cosmologie de l’Institut Max Planck d’astronomie, selon Phys.org :

“Pan-STARRS1 a cartographié notre galaxie, la Voie lactée, avec un niveau de détail jamais atteint auparavant. L’enquête fournit, pour la première fois, une vue profonde et globale d’une fraction importante du plan et du disque de la Voie lactée… Sa combinaison unique de profondeur d’imagerie, de zone et de couleurs lui a permis de découvrir la majorité des quasars les plus éloignés connus : ce sont les premiers exemples de notre univers où des trous noirs géants se sont formés au centre des galaxies”.

L’un des objectifs de la publication de l’ensemble de données était qu’il serait utilisé pour construire une carte du ciel observable, en classifiant les nombreux points de lumière observés dans l’ensemble de données. Les chercheurs impliqués dans le projet Pan-STARRS ont utilisé l’ensemble de données pour former des algorithmes d’apprentissage automatique qu’ils pourraient utiliser pour générer la carte.

Les chercheurs de l’Université d’Hawaï travaillent avec le télescope PS1, situé sur la grande île d’Hawaï. Le PS1 peut scanner environ 75 % du ciel observable. Le télescope est le plus grand relevé optique multicolore profond du monde, et les chercheurs voulaient exploiter ce pouvoir pour construire une carte du ciel sophistiquée. Cela impliquait de former les ordinateurs du PS1 à classer les objets, en distinguant un type de corps céleste d’un autre type. L’ensemble de données qu’ils ont utilisé pour former l’ordinateur contenait des millions de mesures, caractérisées par des fonctionnalités telles que la taille et la couleur.

Les algorithmes d’IA utilisés étaient des réseaux de neurones feedforward normaux combinés avec des méthodes d’optimisation qui permettaient aux réseaux d’apprendre les relations complexes entre les millions de points de données. Robert Beck, ancien postdoctorant en cosmologie à l’Institut d’astronomie de l’UHM, a expliqué que des algorithmes d’optimisation de pointe ont été utilisés pour former l’ordinateur sur les environ 4 millions d’objets célestes décrits par l’ensemble de données. Comme l’a rapporté TechExplorist, l’équipe de recherche a également dû corriger l’interférence de la poussière dans la galaxie de la Voie lactée. L’équipe de recherche a utilisé une méthode d’échantillonnage de Monte-Carlo pour estimer l’incertitude créée en raison de la vitesse photométrique (une estimation de la vitesse d’un objet) et a ensuite formé le modèle d’apprentissage automatique sur les données spectroscopiques.

Une fois le modèle formé, ses performances ont été vérifiées sur un ensemble de données de validation. Le réseau a identifié avec succès environ 96,6 % des quasars, 97,8 % des étoiles et 98,1 % des galaxies. De plus, le modèle a prédit la distance aux galaxies et, lorsqu’il a été vérifié, les prédictions n’étaient que d’environ 3 %.

Le résultat final de la formation et de l’utilisation de l’IA a été le plus grand catalogue 3D d’étoiles, de quasars et de galaxies au monde. Le co-auteur de l’étude, Kenneth Chambers, a expliqué, cité par Gizmodo, que les modèles utilisés pour générer la carte devraient être en mesure d’être utilisés à nouveau à mesure que de plus en plus de données sont collectées, améliorant ainsi la carte et notre compréhension du système solaire et de l’univers. Les scientifiques pourront utiliser la carte pour acquérir des connaissances sur la forme de l’univers et déterminer où notre modèle cosmologique ne correspond pas aux nouvelles projections.