L’IA révèle des mathématiques insoupçonnées sous-jacentes à la recherche d’exoplanètes

Tous tels nach Plastik Mit zunehmendem Abfall augmente auch das

Les algorithmes d’intelligence artificielle (IA) entraînés sur de vraies observations astronomiques surpassent désormais les astronomes en passant au crible d’énormes quantités de données pour trouver de nouvelles étoiles qui explosent, identifier de nouveaux types de galaxies et détecter les fusions d’étoiles massives, accélérant le rythme des nouvelles découvertes dans les plus anciennes du monde. science.

Mais l’IA, également appelée apprentissage automatique, peut révéler quelque chose de plus profond, ont découvert des astronomes de l’Université de Californie à Berkeley : des connexions insoupçonnées cachées dans les mathématiques complexes issues de la relativité générale – en particulier, comment cette théorie est appliquée à la recherche de nouvelles planètes autour d’autres étoiles.

Dans un article paru cette semaine dans la revue Astronomie naturelleles chercheurs décrivent comment un algorithme d’IA développé pour détecter plus rapidement les exoplanètes lorsque de tels systèmes planétaires passent devant une étoile de fond et l’éclairent brièvement – un processus appelé microlentille gravitationnelle – a révélé que les théories vieilles de plusieurs décennies maintenant utilisées pour expliquer ces observations sont lamentablement incomplet.

En 1936, Albert Einstein lui-même a utilisé sa nouvelle théorie de la relativité générale pour montrer comment la lumière d’une étoile lointaine peut être courbée par la gravité d’une étoile de premier plan, non seulement en l’éclairant vue de la Terre, mais en la divisant souvent en plusieurs points de lumière ou en la déformant en un anneau, maintenant appelé anneau d’Einstein. Ceci est similaire à la façon dont une loupe peut focaliser et intensifier la lumière du soleil.

Mais lorsque l’objet de premier plan est une étoile avec une planète, l’éclaircissement au fil du temps – la courbe de lumière – est plus compliqué. De plus, il existe souvent plusieurs orbites planétaires qui peuvent tout aussi bien expliquer une courbe de lumière donnée, ce qu’on appelle des dégénérescences. C’est là que les humains ont simplifié les calculs et manqué la vue d’ensemble.

L’algorithme d’IA, cependant, a indiqué une manière mathématique d’unifier les deux principaux types de dégénérescence dans l’interprétation de ce que les télescopes détectent lors de la microlentille, montrant que les deux « théories » sont vraiment des cas particuliers d’une théorie plus large qui, selon les chercheurs, est probablement encore incomplète. .

« Un algorithme d’inférence d’apprentissage automatique que nous avons précédemment développé nous a amenés à découvrir quelque chose de nouveau et de fondamental sur les équations qui régissent l’effet relativiste général de la flexion de la lumière par deux corps massifs », a écrit Joshua Bloom dans un article de blog l’année dernière lorsqu’il a téléchargé l’article. à un serveur de préimpression, arXiv. Bloom est professeur d’astronomie à l’UC Berkeley et directeur du département.

Il a comparé la découverte de Keming Zhang, étudiant diplômé de l’UC Berkeley, aux connexions que l’équipe d’intelligence artificielle de Google, DeepMind, fait récemment entre deux domaines différents des mathématiques. Pris ensemble, ces exemples montrent que les systèmes d’IA peuvent révéler des associations fondamentales qui manquent aux humains.

« Je soutiens qu’ils constituent l’une des premières – sinon la première – fois[s] que l’IA a été utilisée pour apporter directement de nouvelles connaissances théoriques en mathématiques et en astronomie », a déclaré Bloom. « Tout comme Steve Jobs a suggéré que les ordinateurs pourraient être les vélos de l’esprit, nous avons cherché un cadre d’IA pour servir de fusée intellectuelle pour les scientifiques. »

« C’est en quelque sorte une étape importante dans l’IA et l’apprentissage automatique », a souligné le co-auteur Scott Gaudi, professeur d’astronomie à l’Ohio State University et l’un des pionniers de l’utilisation des microlentilles gravitationnelles pour découvrir des exoplanètes. « L’algorithme d’apprentissage automatique de Keming a révélé cette dégénérescence qui avait été manquée par les experts dans le domaine travaillant avec des données pendant des décennies. Cela suggère comment la recherche va se dérouler à l’avenir lorsqu’elle sera aidée par l’apprentissage automatique, ce qui est vraiment excitant. »

Découvrir des exoplanètes avec des microlentilles

Plus de 5 000 exoplanètes, ou planètes extrasolaires, ont été découvertes autour d’étoiles de la Voie lactée, bien que peu aient été vues à travers un télescope – elles sont trop sombres. La plupart ont été détectés parce qu’ils créent une oscillation Doppler dans les mouvements de leurs étoiles hôtes ou parce qu’ils atténuent légèrement la lumière de l’étoile hôte lorsqu’ils traversent devant elle – des transits qui étaient au centre de la mission Kepler de la NASA. Seuls un peu plus de 100 ont été découverts par une troisième technique, la microlentille.

L’un des principaux objectifs du télescope spatial romain Nancy Grace de la NASA, dont le lancement est prévu d’ici 2027, est de découvrir des milliers d’autres exoplanètes via des microlentilles. La technique a un avantage sur les techniques Doppler et de transit en ce qu’elle peut détecter des planètes de masse inférieure, y compris celles de la taille de la Terre, qui sont éloignées de leurs étoiles, à une distance équivalente à celle de Jupiter ou de Saturne dans notre système solaire.

Bloom, Zhang et leurs collègues ont entrepris il y a deux ans de développer un algorithme d’IA pour analyser plus rapidement les données de microlentille afin de déterminer les masses stellaires et planétaires de ces systèmes planétaires et les distances entre les planètes et leurs étoiles. Un tel algorithme accélérerait l’analyse des centaines de milliers d’événements probables que le télescope romain détectera afin de trouver les 1% ou moins qui sont causés par les systèmes exoplanétaires.

Un problème rencontré par les astronomes, cependant, est que le signal observé peut être ambigu. Lorsqu’une étoile solitaire de premier plan passe devant une étoile d’arrière-plan, la luminosité des étoiles d’arrière-plan monte doucement jusqu’à un pic puis chute symétriquement à sa luminosité d’origine. C’est facile à comprendre mathématiquement et par observation.

Mais si l’étoile de premier plan a une planète, la planète crée un pic de luminosité séparé dans le pic causé par l’étoile. Lorsqu’on essaie de reconstruire la configuration orbitale de l’exoplanète qui a produit le signal, la relativité générale autorise souvent deux ou plusieurs solutions dites dégénérées, qui peuvent toutes expliquer les observations.

À ce jour, les astronomes ont généralement traité ces dégénérescences de manière simpliste et artificiellement distincte, a déclaré Gaudi. Si la lumière stellaire lointaine passe près de l’étoile, les observations pourraient être interprétées comme une orbite large ou proche pour la planète – une ambiguïté que les astronomes peuvent souvent résoudre avec d’autres données. Un deuxième type de dégénérescence se produit lorsque la lumière des étoiles de fond passe à proximité de la planète. Dans ce cas, cependant, les deux solutions différentes pour l’orbite planétaire ne sont généralement que légèrement différentes.

Selon Gaudi, ces deux simplifications de la microlentille gravitationnelle à deux corps sont généralement suffisantes pour déterminer les vraies masses et distances orbitales. En fait, dans un article publié l’année dernière, Zhang, Bloom, Gaudi et deux autres co-auteurs de l’UC Berkeley, le professeur d’astronomie Jessica Lu et l’étudiant diplômé Casey Lam, ont décrit un nouvel algorithme d’IA qui ne repose pas du tout sur la connaissance de ces interprétations. L’algorithme accélère considérablement l’analyse des observations de microlentilles, fournissant des résultats en millisecondes, plutôt qu’en jours, et réduisant considérablement le broyage de l’ordinateur.

Zhang a ensuite testé le nouvel algorithme d’IA sur des courbes de lumière à microlentilles à partir de centaines de configurations orbitales possibles d’étoiles et d’exoplanètes et a remarqué quelque chose d’inhabituel : il y avait d’autres ambiguïtés que les deux interprétations ne tenaient pas compte. Il a conclu que les interprétations couramment utilisées de la microlentille n’étaient, en fait, que des cas particuliers d’une théorie plus large qui explique toute la variété des ambiguïtés dans les événements de microlentille.

« Les deux théories précédentes de la dégénérescence traitent des cas où l’étoile d’arrière-plan semble passer à proximité de l’étoile de premier plan ou de la planète de premier plan », a déclaré Zhang. « L’algorithme d’IA nous a montré des centaines d’exemples non seulement de ces deux cas, mais aussi de situations où l’étoile ne passe pas à proximité de l’étoile ou de la planète et ne peut être expliquée par aucune des théories précédentes. C’était la clé pour nous de proposer le nouveau théorie unificatrice. »

Gaudi était sceptique, au début, mais est revenu après que Zhang ait produit de nombreux exemples où les deux théories précédentes ne correspondaient pas aux observations et la nouvelle théorie si. Zhang a en fait examiné les données de deux douzaines d’articles précédents qui rapportaient la découverte d’exoplanètes par microlentille et a constaté que dans tous les cas, la nouvelle théorie correspondait mieux aux données que les théories précédentes.

« Les gens voyaient ces événements de microlentilles, qui présentaient en fait cette nouvelle dégénérescence, mais ne s’en rendaient tout simplement pas compte », a déclaré Gaudi. « C’était vraiment juste l’apprentissage automatique en regardant des milliers d’événements où il devenait impossible de manquer. »

Zhang et Gaudi ont soumis une nouveau papier qui décrit rigoureusement les nouvelles mathématiques basées sur la relativité générale et explore la théorie dans des situations de microlentille où plus d’une exoplanète orbite autour d’une étoile.

La nouvelle théorie rend techniquement l’interprétation des observations de microlentilles plus ambiguë, car il existe des solutions plus dégénérées pour décrire les observations. Mais la théorie démontre également clairement que l’observation du même événement de microlentille sous deux angles – depuis la Terre et depuis l’orbite du télescope spatial romain, par exemple – facilitera la détermination des orbites et des masses correctes. C’est ce que les astronomes envisagent actuellement de faire, a déclaré Gaudi.

« L’IA a suggéré une façon de regarder l’équation de la lentille sous un nouveau jour et de découvrir quelque chose de vraiment profond sur les mathématiques de celle-ci », a déclaré Bloom. « L’IA est en train d’émerger non seulement comme ce type d’outil contondant qui se trouve dans notre boîte à outils, mais comme quelque chose qui est en fait assez intelligent. Aux côtés d’un expert comme Keming, les deux ont pu faire quelque chose d’assez fondamental. »

Plus d’information:
Keming Zhang et al, Une dégénérescence unificatrice omniprésente dans les systèmes de microlentilles à deux corps, Astronomie naturelle (2022). DOI : 10.1038/s41550-022-01671-6

Fourni par Université de Californie – Berkeley

ph-tech