Actualité Des réseaux de neurones pour obtenir des simulations cosmologiques de haute qualité

Pour approfondir le sujet

Automatisation robotisée des processus et machine learning : le pari des hôtels pour relancer le tourisme

UiPath, une entreprise spécialisée dans l'automatisation robotisée de processus, a exploité sa technologie pour développer plusieurs processus d'automatisation au service de l'industrie du tourisme....

Atos et Graphcore annoncent leur partenariat pour concevoir des solutions de calcul haute performance

D'un côté, Atos, un spécialiste français de la transformation numérique, qui a présenté en début de mois sa nouvelle plateforme de computer vision, mais...

DeepMind et EMBL : une avancée majeure dans l’analyse du protéome humain grâce à l’intelligence artificielle

DeepMind, société technologique et filiale de Google, a annoncé sa collaboration avec le laboratoire européen de biologique moléculaire (EMBL) dans l'objectif de proposer une...

Grâce au deep learning, une application pourrait aider à diagnostiquer le VIH plus facilement

Une équipe de recherche composée d'experts de l'Africa Health Research Institute (AHRI) et de l'University College de Londres (UCL) a exploité l'intelligence artificielle pour...

Des réseaux de neurones pour obtenir des simulations cosmologiques de haute qualité

Les simulations cosmologiques de la formation des galaxies sont limitées par des ressources de calcul finies. En s’appuyant sur l’intelligence artificielle, des chercheurs de l’Université Carnegie-Mellon, aux États-Unis, ont conçu une solution pour résoudre des simulations cosmologiques grâce à des réseaux de neurones. Elle permet de simuler de grands volumes de l’Univers sur une carte graphique tout en conservant une haute résolution. 

L’intelligence artificielle comme solution pour des simulations à haute résolution

Les simulations cosmologiques sont régulièrement utilisées pour essayer de comprendre certains phénomènes ou aspects de l’Univers comme l’énergie noire ou la matière noire. Seulement, ces simulations ne sont disponibles à l’heure actuelle que dans deux formats :

  • Traitement d’une petite zone avec une très bonne résolution
  • Traitement d’une grande zone avec une résolution basse

Il est possible de formater une simulation afin qu’elle soit de haute résolution, mais cela prend plusieurs semaines. Or, les chercheurs aiment énormément travailler sur de grandes zones afin d’être beaucoup plus efficaces dans les recherches qu’ils mènent. C’est en partant de ce constat qu’une équipe de chercheurs de l’Université Carnegie-Mellon décrivent dans leur publication comment ils ont conçu une technique pour améliorer les simulations grâce à l’IA.

Yin Li, Yueying Ni, Rupert A. C. Croft, Tiziana Di Matteo, Simeon Bird et Yu Feng sont les six auteurs de cet article.

Un modèle reposant sur les réseaux de neurones antagonistes génératifs

Grâce à des réseaux de neurones antagonistes génératifs (GAN), les chercheurs ont mis au point un modèle de super-résolution pour améliorer la qualité des simulations de basse définition. À partir d’images de haute résolution, ces GAN se sont entrainés pour ensuite créer des versions de super-résolutions précises de différentes images de basse résolution.

Un des réseaux prend pour point d’ancrage une simulation basse résolution et invente ensuite ses propres techniques pour multiplier la résolution de l’image par 512. Un second réseau devine si la technique utilisée est nouvelle ou si le réseau initial a utilisé une méthode déjà utilisée précédemment. La technique est réitérée aussi longtemps que nécessaire afin que la simulation soit de haute résolution et devienne, par la suite, de super résolution, comme le montre le schéma ci-contre :

super résolution réseaux neurones

Si avec une technique plus classique, il fallait 560 heures (plus de 23 jours) pour atteindre la haute résolution sur une zone de 5000 années-lumière et 134 millions de particules, seules 36 minutes suffisent avec cette nouvelle méthode. Il existe néanmoins un problème : le modèle ne prend pas en compte les effets de la formation des étoiles, des trous noirs ou des supernovas. Toutefois, les chercheurs souhaitent inclure ces phénomènes dans les prochaines versions de leur solution.

Zacharie Tazrout

Partager l'article

Automatisation robotisée des processus et machine learning : le pari des hôtels pour relancer le tourisme

UiPath, une entreprise spécialisée dans l'automatisation robotisée de processus, a exploité sa technologie pour développer plusieurs processus d'automatisation au service de l'industrie du tourisme....

Atos et Graphcore annoncent leur partenariat pour concevoir des solutions de calcul haute performance

D'un côté, Atos, un spécialiste français de la transformation numérique, qui a présenté en début de mois sa nouvelle plateforme de computer vision, mais...

DeepMind et EMBL : une avancée majeure dans l’analyse du protéome humain grâce à l’intelligence artificielle

DeepMind, société technologique et filiale de Google, a annoncé sa collaboration avec le laboratoire européen de biologique moléculaire (EMBL) dans l'objectif de proposer une...

Grâce au deep learning, une application pourrait aider à diagnostiquer le VIH plus facilement

Une équipe de recherche composée d'experts de l'Africa Health Research Institute (AHRI) et de l'University College de Londres (UCL) a exploité l'intelligence artificielle pour...