Comment l’intelligence artificielle (IA) rend-elle l’astronomie plus rapide et plus puissante ?

L'intelligence artificielle est un terme large et a plusieurs applications. Les astronomes utilisent l’IA pour étudier les corps célestes, rendant leur travail plus rapide et plus facile.

L’intelligence artificielle (IA) rend l’astronomie plus rapide et plus puissante que jamais.
L’intelligence artificielle (IA) rend l’astronomie plus rapide et plus puissante que jamais.

L’astronomie recherche depuis longtemps des modèles parmi de grands volumes de données, des découvertes involontaires et une relation étroite entre théorie et observation.

Les réseaux de neurones les plus souvent utilisés par les astronomes permettent à l'ordinateur de connaître toutes les connexions d'un ensemble de données d'entraînement, puis d'appliquer ces informations à des ensembles de données réels.

Les inexactitudes, les gros plans encombrés, les polluants, les artefacts et le bruit abondent dans les photographies astronomiques brutes. Beaucoup de travail est nécessaire pour traiter et nettoyer ces photographies afin de les rendre présentables et précieuses pour la recherche scientifique. Ce travail est normalement effectué en partie par des systèmes automatisés et en partie manuellement.

L'intelligence artificielle en astronomie

Les astronomes utilisent de plus en plus l’intelligence artificielle pour analyser les données et supprimer toutes les parties inutiles des photographies afin de produire un résultat clair.

Par exemple, en avril 2023, une transformation par apprentissage automatique a été appliquée à une image de 2019 du trou noir supermassif au centre de la galaxie Messier 87 (M87), produisant une image nettement plus nette de la structure du trou noir.

Un autre exemple est celui où les astronomes alimentent les algorithmes des réseaux neuronaux avec des images de galaxies et fournissent aux algorithmes des règles pour classer les galaxies nouvellement découvertes. Les classifications existantes ont été créées manuellement, soit par les chercheurs eux-mêmes, soit par le biais de projets scientifiques citoyens volontaires.

youtube video id=4lJcPVJmkaE

Avec un ensemble de formation, le réseau neutre peut identifier automatiquement les galaxies dans des données réelles, ce qui est beaucoup plus rapide et moins sujet aux erreurs que la classification manuelle.

Les astronomes peuvent également utiliser l'IA pour nettoyer les photographies de l'espace prises par des télescopes au sol, y compris les interférences optiques dues à l'atmosphère terrestre.

L'IA pour rechercher la vie extraterrestre

Un test précis pour détecter la présence de vie extraterrestre a récemment été développé, avec un taux de précision de 90 %, selon une équipe de scientifiques dirigée par Robert Hazen de Carnegie et Jim Cleaves, chercheur invité à l'Institut de technologie. Institut spatial de marbre pour la science.

Sa technique basée sur l'intelligence artificielle distingue les échantillons d'origine biologique du présent et du passé. Le nouveau test détermine avec précision si quelque chose qui était autrefois vivant faisait partie du passé d'un échantillon.

L’IA apporte une série d’avantages à l’astronomie, essentiellement dans l’amélioration des images capturées depuis l’espace, ainsi que dans la recherche de la vie extraterrestre.

Hazen affirme que cette méthode analytique largement utilisée pourrait révolutionner la recherche de la vie extraterrestre et accroître notre compréhension de la chimie et de l’origine de la première vie sur Terre. Il permet aux capteurs intelligents des engins spatiaux robotiques, des rovers et des atterrisseurs de rechercher des signes de vie avant que les échantillons ne soient transmis à la Terre.

La méthode analytique révolutionnaire ne repose pas uniquement sur l’identification d’un groupe chimique ou de composition spécifique dans un échantillon ; au lieu de cela, il identifie des variations infimes dans les modèles moléculaires d'un échantillon, révélées par la pyrolyse, l'analyse par chromatographie en phase gazeuse - qui sépare et identifie les parties d'un échantillon, suivie par la spectrométrie de masse - qui détermine les poids moléculaires de ces composants. L’étude a démontré comment l’IA peut faire la distinction entre les échantillons biotiques et abiotiques.

À la une