Le deep learning utilisé pour aider les chercheurs à mieux observer et comprendre l'Univers

L'Observatoire national d'astronomie du Japon (NAO) vient d'annoncer la création d'une technique exploitant l'IA permettant de révéler l'image réelle de l'Univers. Grâce à l'IA, les chercheurs ont pu remarquer certains détails spécifiques sur ces images qui étaient auparavant inobservables. La méthode utilisée par les chercheurs permet d'éliminer les interférences pouvant exister dans les informations astronomiques observables et souvent générées par le phénomène de lentille gravitationnelle faible. 

Une étude mêlant intelligence artificielle, astronomie et supercalculateur

L'objectif de l'étude réalisée par Masato Shirasaki, Kana Moriwaki, Taira Oogi, Naoki Yoshida, Shiro Ikeda et Takahiro Nishimichi de la NAO, est de supprimer ou de réduire les potentielles interférences (ou bruits) pour améliorer la cartographie de masse de l'Univers observable. Ils ont explicité leur technique exploitant l'IA dans un article scientifique. Afin de réaliser leurs travaux, l'équipe de recherche a utilisé le supercalculateur ATERUI II, considéré comme l'un des plus puissants au monde, et qui a déjà été exploité dans le cadre d'études dédiées à l'astronomie pour concevoir certaines simulations visant à fournir des réponses autour de quelques mystères que nous offre l'Univers. Masato Shirasaki, l'auteur principal de la publication, précise toute l'utilité de la transdisciplinarité pour résoudre des problèmes complexes :

"Cette recherche montre les avantages de combiner différents types de recherche : observations, simulations et analyse de données d'IA. En cette ère de big data, nous devons dépasser les frontières traditionnelles entre les spécialités et utiliser tous les outils disponibles pour comprendre les données. Si nous pouvons le faire, cela ouvrira de nouveaux domaines en astronomie et d'autres sciences."

Une méthode se reposant sur le deep learning et les réseaux antagonistes génératifs

Les chercheurs ont proposé une approche exploitant le deep learning et les réseaux de neurones antagonistes génératifs (GAN) pour réduire les interférences dans les cartes où l'on peut observer des lentilles gravitationnelles faibles : un phénomène qui se produit lorsqu'un corps céleste très massif (comme un amas de galaxies) se situe entre un observateur et une source lumineuse se trouvant à une très grande distance. Les rayons lumineux seront déviés, ce qui déforme habituellement les images que reçoit l'observateur. Une traduction d'image a été appliquée à l'aide de ces GAN en utilisant 25 000 catalogues de "fausses" galaxies construites à l'aide de données réelles fournies par le télescope Subaru et qui comprennent ainsi une partie importante de l'espace observable. Les chercheurs ont ensuite ajouté une interférence "réaliste" à ces ensembles de données et ont formé cette IA afin qu'elle puisse récupérer de la matière noir optique à partir des données fictives. Cette nouvelle méthode présente un avantage significatif pour les astronomes : elle devrait permettre de savoir si une galaxie est réellement déformée ou si cette déformation est induite du phénomène des lentilles gravitationnelles faibles. De plus, certains détails auparavant inobservables ont permis aux chercheurs de mieux comprendre la matière noire cosmique et valider une distribution de masse de premier plan, cohérente avec le modèle standard de la cosmologie.