Intelligence artificielle L'intelligence artificielle et la reconnaissance faciale appliquées aux galaxies via de nouveaux...

Pour approfondir le sujet

Sur le même thème :

Le CEA et le Berkley Lab lancent le télescope Desi avec pour objectif de dresser une carte 3D de l’Univers

Dans le cadre d'un projet mené par le Berkley Lab et dans lequel le CEA est partenaire, une carte en 3D de l'Univers va...

Des chercheurs utilisent un modèle basé sur l’apprentissage supervisé pour mieux gérer les inondations

Le dégel, les différences de niveau du sol, la quantité d'eau reçue et son débit : ce sont trois des variables entrant en jeu...

Projet Odeuropa : une encyclopédie du patrimoine olfactif européen en utilisant l’intelligence artificielle

Mené par des historiens, des parfumeurs et des spécialistes en intelligence artificielle, le projet européen Odeuropa a été lancé au début de cette année...

Un modèle de deep learning pour repérer plus facilement les tumeurs métastasiques complexes

Nous vous présentions récemment un système mis au point par des scientifiques écossais permettant de repérer plus facilement les mésothéliomes, une forme rare de cancer....

L’intelligence artificielle et la reconnaissance faciale appliquées aux galaxies via de nouveaux outils d’astronomie

Une équipe de recherche a récemment publié les résultats de son étude dans la revue scientifique Astrophysical Journal et disponible sur Arvix. Les chercheurs ont décidé d’utiliser des simulations informatiques de la formation de galaxies et ont entrainé un algorithme de deep learning. Leur objectif était de lui faire identifier des processus physiques au sein d’images de véritables galaxies prises avec le télescope spatial Hubble.

Le projet de recherche “Deep learning for Galaxies” a été mené par Joel Primack, David Koo et Marc Huertas-Company. Il inclut également en co-auteurs Avishai Dekel de l’Université hébraïque de Jérusalem (et chercheur invité à l’UC Santa Cruz) ; Sharon Lapiner de l’Université hébraïque ; Daniel Ceverino de l’Université de Heidelberg ; Raymond Simons de l’Université Johns Hopkins ; Gregory Snyder du Space Telescope Science Institute ; Mariangela Bernardi et H. Dominquez Sanchez de l’Université de Pennsylvanie ; Zhu Chen de l’Université normale de Shanghai ; Christoph Lee de l’UC Santa Cruz ; et Berta Margalef-Bentabol et Diego Tuccillo de l’Observatoire de Paris.

Comme l’indique l’Université Paris Diderot, les chercheurs se sont servis des résultats de simulations informatiques très haute résolution “pour générer des images simulées de galaxies jeunes, à l’image de ce qu’ils feraient dans les observations du télescope spatial Hubble. Les images simulées ont ensuite été utilisées pour former le système d’apprentissage profond afin de reconnaître trois phases clés de l’évolution des galaxies précédemment identifiées dans les simulations. Les galaxies sont des phénomènes complexes qui changent d’apparence au fil des milliards d’années. Alors que dans les simulations toute l’histoire de formation des galaxies est connue car codée avec nos connaissances de la physique dans les programmes informatiques, dans les observations nous ne sommes en mesure que d’obtenir des instantanées de la vie d’une galaxie”.

Marc Heurtas-Company, chercheur à l’Observatoire de Paris, professeur à l’Université Paris Diderot, Membre de l’Institut Universitaire de France et auteur principal de cette étude a notamment indiqué :

“La comparaison entre la théorie imprimée dans les simulations et les observations est toujours affectée par cette limitation intrinsèque”.

Pour les chercheurs, “le défi et la nouveauté était donc de savoir si un algorithme d’apprentissage profond, comme ceux largement utilisés dans la reconnaissance faciale et d’autres applications de reconnaissance d’images et de parole,  était capable d’extraire automatiquement des traceurs permettant d’identifier la phase évolutive d’une galaxie à partir des images obtenues avec des telescopes.

Dans ce premier travail de nature exploratrice, les chercheurs se sont particulièrement intéressés à un phénomène observé dans les simulations au début de l’évolution des galaxies riches en gaz, lorsque des flux importants de gaz dans le centre d’une galaxie alimentent la formation d’une petite région dense et étoilée. Cette phase a été baptisée comme phase “blue-nugget” (pépite bleue en français). Les étoiles jeunes et chaudes émettent  en effet de courtes longueurs d’onde “bleues” de lumière, de sorte que le bleu indique une galaxie avec formation active d’étoiles, alors que les étoiles plus anciennes et plus froides émettent plus de lumière “rouge”. L’idée était donc de classer les galaxies entre celles qui ne sont pas encore passées par la phase “blue-nugget” (pre-blue-nugget), celles qui sont entrain de la traverser (“blue-nugget”) et celles qui l’ont déjà passée (“post-blue-nugget”)”.

Dans l’article publié sur le site de l’Université Paris Diderot, les chercheurs expliquent que “ce programme informatique a notamment permis de révéler que la phase “blue-nugget” existe dans les observations et qu’elle se produit généralement dans des galaxies ayant une masse caractéristique. Ceci est une découverte passionnante, parce qu’elle suggère que l’algorithme d’apprentissage profond “est susceptible d’établir des contraintes temporelles à partir des seules images” déclare M. Huertas-Company.

”Il se peut que, dans une certaine gamme de tailles, les galaxies aient juste la bonne masse pour que ce processus physique se produise “, a déclaré David Koo, professeur émérite d’astronomie et d’astrophysique à l’UC Santa Cruz.

“Nous allons continuer à réaliser des tests, mais cette étude de concept prouve que les techniques actuelles d’intelligence artificielle peuvent en effet extraire des marqueurs complexes permettant d’identifier des phases évolutives des galaxies. Ceci ouvre une toute nouvelle voie pour comparer les observations et la théorie et avancer ainsi dans notre compréhension de la formation de ces systèmes complexes que sont les galaxies.”  déclare M. Huertas-Company.”

Pour parvenir à ce résultat, l’équipe de recherche a utilisé “des simulations de galaxies de pointe (les simulations VELA) développées par Primack et une équipe internationale de collaborateurs, dont Daniel Ceverino (Université de Heidelberg), qui a réalisé les simulations, et Avishai Dekel (Université hébraïque), qui a piloté l’analyse et l’interprétation des simulations et développé de nouveaux concepts physiques à partir de celles-ci. Toutes ces simulations sont cependant limitées dans leur capacité à capturer la physique complexe de la formation des galaxies.

Pour les données d’observation, l’équipe a utilisé des images de galaxies obtenues dans le cadre du projet CANDELS (Cosmic Assembly Near-infrared Deep Extragalactic Legacy Survey), le plus grand projet de l’histoire du télescope spatial Hubble. Le premier auteur, Marc Huertas-Company, astronome à l’Observatoire de Paris et à l’Université Paris Diderot, avait déjà fait œuvre de pionnier en appliquant des méthodes d’apprentissage approfondi à la classification des galaxies à l’aide de données CANDELS accessibles au public”.

RéférencesDeep Learning Identifies High-z Galaxies in a Central Blue Nugget Phase in a Characteristic Mass Range(link is external), Astrophysical Journal, le 23 mars 2018.

Source : Université Paris Diderot


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Pierre-yves Gerlat

Partager l'article

Quel avenir pour l’IA dans l’industrie ? Une enquête de Ey-Parthenon soulève la nécessité de l’IA de confiance

L'industrie est un des secteurs où la transformation numérique s'accélère de façon exponentielle, les industriels confirment la nécessité de solutions d'IA de confiance certifiées...

Cyberharcèlement : Twitch présente son nouvel outil de modération basé sur de l’intelligence artificielle

Les confinements depuis le début de la pandémie ont décuplé l'utilisation des smartphones et des applications mobiles. La plateforme de streaming et de jeux...

IA visuelle pour les entreprises : Alteia annonce un financement de 15 millions d’euros de la BEI

Alteia a annoncé la signature d'un contrat de financement de 15 millions d’euros avec la Banque européenne d’investissement (BEI). Ce montant viendra soutenir ses investissements...

Semi-conducteurs : l’European Chips Act sera présenté début 2022 pour une Europe autonome

La nécessité de retrouver une politique de souveraineté pour les infrastructures critiques au niveau européen et de mener une politique d'indépendance économique et numérique...
Recevoir une notification en cas d'actualité importante    OK Non merci