Les scientifiques de la Nasa ont récemment ajouté 301 exoplanètes à la liste des planètes découvertes grâce au télescope spatial Kepler, complétant les 4.569 planètes déjà validées. Ils ont pour cela utilisé une méthode de deep learning, un type d’intelligence artificielle capable d’apprendre par elle-même.
au sommaire
Aucune de ces planètes ne serait semblable à la Terre, ni ne se situerait dans la zone habitable de leur étoile. Mais elles partagent tout de même des caractéristiques similaires à l'ensemble de la population d'exoplanètes déjà connues et confirmées.
ExoMiner, un classificateur d’apprentissage profond révolutionnaire
Les méthodes de deep learning sont des méthodes d'apprentissage automatique : l'intelligence artificielleintelligence artificielle est capable d'apprendre automatiquement une tâche lorsqu'on lui fournit suffisamment de données. Elle s'appuie sur un réseau composé de centaines de couches de neuronesneurones artificiels, en s'inspirant du fonctionnement du cerveaucerveau humain : ainsi, chaque « couche » reçoit et analyse les informations de la couche précédente, permettant une interprétation graduelle des données initialement fournies.
Les chercheurs de la Nasa ayant participé à l'étude ont utilisé une méthode nommée ExoMiner, exploitant le supercalculateursupercalculateur Pleiades de la Nasa, et qui diffère de ses prédécesseurs par son étonnante précision : d'après Hamed Valizadegan, chef de projet ExoMiner et gestionnaire de machine learningmachine learning avec l'Association de Recherche spatiale universitaire d'Ames, « quand ExoMiner dit que quelque chose est une planète, vous pouvez être sûr que c'est une planète ». S'inspirant de tests et propriétés que les experts du domaine utilisent pour confirmer de nouvelles exoplanètes, ExoMiner apprend à la fois grâce aux cas d'exoplanètes confirmées ainsi qu'avec des faux positifs.
Plus de 100.000 signaux de transits à traiter
Les scientifiques ont utilisé des données de transit recueillies par le télescope Kepler développé par la Nasa pour détecter des exoplanètes. Il utilise pour cela la méthode des transits qui détecte l'éventuelle présence d'une planète en mesurant la variation de luminositéluminosité de l'étoile autour de laquelle la candidate orbite : lorsque la luminosité baisse, le télescopetélescope en déduit le passage d'un objet devant l'étoile.
ExoMiner permet ici de confirmer la présence d'une exoplanète pour un transit mesuré : la méthode est capable d'éliminer les faux positifs, et révèle les signatures authentiques des planètes en orbite autour de leur étoile, tout en aidant les scientifiques à comprendre en détail la « réflexion » ayant mené à une conclusion donnée. La tâche serait en effet trop fastidieuse pour un humain, étant donné l'énorme quantité de données à traiter et la grande variété de paramètres à prendre en compte quant à l'analyse des mesures recueillies.
Et ExoMiner n'en est qu'à ses débuts : grâce à ses derniers résultats largement concluants, les scientifiques responsables de l'intelligence artificielle prévoient de l'utiliser pour traiter les données qui seront recueillies dans un futur proche, notamment grâce à la mission Tess (Satellite de recensement des exoplanètes en transit) de la Nasa, ou à la mission Plato (acronyme de PLAnetary Transits and Oscillations of stars) de l'ESAESA. La liste d'exoplanètes confirmées est donc vouée à s'élargir sous peu !
