La célèbre première image d’un trou noir juste devenu deux fois plus net. Une équipe de recherche a utilisé l’intelligence artificielle pour améliorer considérablement sa première image à partir de 2019, qui montre maintenant le trou noir au centre de la galaxie M87 comme plus sombre et plus grand que la première image représentée.
je suis un astronome qui étudie et a écrit sur cosmologie, trous noirs et exoplanètes. Les astronomes utilisent l’IA depuis des décennies. En fait, en 1990, des astronomes de l’Université de l’Arizona, où je suis professeur, figuraient parmi les premier à utiliser un type d’IA appelé réseau de neurones étudier la forme des galaxies.
Depuis lors, l’IA s’est répandue dans tous les domaines de l’astronomie. Au fur et à mesure que la technologie est devenue plus puissante, les algorithmes d’IA ont commencé à aider les astronomes à apprivoiser des ensembles de données massifs et à découvrir de nouvelles connaissances sur l’univers.
De meilleurs télescopes, plus de données
Depuis que l’astronomie est une science, elle consiste à essayer de donner un sens à la multitude d’objets dans le ciel nocturne. C’était relativement simple quand les seuls outils étaient l’œil nu ou un simple télescope, et tout ce qu’on pouvait voir, c’était quelques milliers d’étoiles et une poignée de planètes.
Il y a cent ans, Edwin Hubble a utilisé des télescopes nouvellement construits pour montrer que l’univers n’est pas seulement rempli d’étoiles et de nuages de gaz, mais d’innombrables galaxies. Alors que les télescopes ont continué à s’améliorer, le nombre d’objets célestes que les humains peuvent voir et le quantité de données les astronomes doivent faire le tri ont également augmenté de façon exponentielle.
Par exemple, le projet qui sera bientôt terminé Observatoire Vera Rubin au Chili fera des images si grandes qu’il faudrait 1 500 écrans de télévision haute définition pour voir chacune dans son intégralité. Sur 10 ans, il devrait générer 0,5 exaoctet de données, soit environ 50 000 fois la quantité d’informations contenues dans tous les livres contenus dans la Bibliothèque du Congrès.
Il y a 20 télescopes avec des miroirs de plus de 20 pieds (6 mètres) de diamètre. Les algorithmes d’IA sont le seul moyen pour les astronomes d’espérer travailler sur toutes les données dont ils disposent aujourd’hui. Il existe un certain nombre de façons dont l’IA s’avère utile dans le traitement de ces données.
Choisir des motifs
L’astronomie consiste souvent à chercher des aiguilles dans une botte de foin. Environ 99 % des pixels d’une image astronomique contiennent un rayonnement de fond, de la lumière provenant d’autres sources ou la noirceur de l’espace – seulement 1 % ont les formes subtiles de galaxies peu lumineuses.
Les algorithmes d’IA, en particulier les réseaux de neurones qui utilisent de nombreux nœuds interconnectés et sont capables d’apprendre à reconnaître des modèles, sont parfaitement adaptés pour repérer les modèles de galaxies. Les astronomes ont commencé utiliser les réseaux de neurones pour classer les galaxies au début des années 2010. Maintenant les algorithmes sont si efficaces qu’ils peuvent classer les galaxies avec une précision de 98 %.
Cette histoire s’est répétée dans d’autres domaines de l’astronomie. Les astronomes travaillant sur SETI, la recherche d’intelligence extraterrestre, utilisent des radiotélescopes pour rechercher des signaux provenant de civilisations lointaines. Dès le début, les radioastronomes ont scanné les cartes à vue d’œil pour rechercher les anomalies cela ne s’expliquait pas. Plus récemment, des chercheurs ont exploité 150 000 ordinateurs personnels et 1,8 million de scientifiques citoyens pour rechercher des signaux radio. Aujourd’hui, les chercheurs utilisent l’IA pour passer au crible des tonnes de données beaucoup plus rapidement et de manière approfondie que les gens ne le peuvent. Cela a permis aux efforts de SETI de couvrir plus de terrain tout en réduisant considérablement le nombre de faux signaux positifs.
Un autre exemple est la recherche d’exoplanètes. Les astronomes ont découvert la plupart des 5 300 exoplanètes connues en mesurant une baisse de la quantité de lumière provenant d’une étoile quand une planète passe devant. Les outils d’IA peuvent désormais repérer les signes d’une exoplanète avec Précision de 96 %.
Faire de nouvelles découvertes
L’IA s’est révélée excellente pour identifier les objets connus, comme les galaxies ou les exoplanètes, que les astronomes lui disent de rechercher. Mais il est également assez puissant pour trouver des objets ou des phénomènes qui sont théorisés mais qui n’ont pas encore été découverts dans le monde réel.
Les équipes ont utilisé cette approche pour détecter nouvelles exoplanètesrenseignez-vous sur étoiles ancestrales qui ont conduit à la formation et à la croissance de la Voie lactée, et prédisent les signatures de nouveaux types de ondes gravitationnelles.
Pour ce faire, les astronomes utilisent d’abord l’IA pour convertir des modèles théoriques en signatures d’observation, y compris des niveaux de bruit réalistes. Ils utilisent ensuite l’apprentissage automatique pour affiner la capacité de l’IA à détecter les phénomènes prédits.
Enfin, les radioastronomes ont également utilisé des algorithmes d’IA pour passer au crible les signaux qui ne correspondent pas à des phénomènes connus. Récemment, une équipe d’Afrique du Sud a trouvé un objet unique cela pourrait être un vestige de la fusion explosive de deux trous noirs supermassifs. Si cela s’avère vrai, les données permettront un nouveau test de la relativité générale – la description de l’espace-temps d’Albert Einstein.
Faire des prédictions et colmater des trous
Comme dans de nombreux domaines de la vie récemment, l’IA générative et les grands modèles de langage comme ChatGPT font également des vagues dans le monde de l’astronomie.
L’équipe qui a créé la première image d’un trou noir en 2019 a utilisé un l’IA générative pour produire sa nouvelle image. Pour ce faire, il a d’abord appris à une IA comment reconnaître les trous noirs en lui fournissant des simulations de nombreux types de trous noirs. Ensuite, l’équipe a utilisé le modèle d’IA qu’elle avait construit pour combler les lacunes dans la quantité massive de données collectées par les radiotélescopes sur le trou noir M87.
À l’aide de ces données simulées, l’équipe a pu créer une nouvelle image deux fois plus nette que l’originale et parfaitement conforme aux prédictions de la relativité générale.
Les astronomes se tournent également vers l’IA pour aider à apprivoiser la complexité de la recherche moderne. Une équipe du Harvard-Smithsonian Center for Astrophysics a créé un modèle de langage appelé astroBERT lire et organiser 15 millions d’articles scientifiques sur l’astronomie. Une autre équipe, basée à la NASA, a même proposé d’utiliser l’IA pour prioriser les projets d’astronomieun processus auquel les astronomes s’engagent tous les 10 ans.
Au fur et à mesure que l’IA progressait, elle est devenue un outil essentiel pour les astronomes. À mesure que les télescopes s’améliorent, que les ensembles de données s’agrandissent et que les IA continuent de s’améliorer, il est probable que cette technologie jouera un rôle central dans les futures découvertes sur l’univers.
Cet article est republié de La conversation sous licence Creative Commons. Lis le article original.