Dans l'ancienne Babylonie, les observateurs d'étoiles consignaient méticuleusement le ciel nocturne, gravant leurs observations sur des tablettes afin de noter les mouvements célestes les plus subtils.
Leurs observations, ainsi que celles d'autres civilisations anciennes, ont jeté les bases de l'action de personnalités comme Johannes Kepler, qui a utilisé les données de Tycho Brahe pour découvrir les orbites elliptiques des planètes, bien avant que nous ne disposions des outils nécessaires pour observer ces phénomènes de nos propres yeux.
Aujourd'hui, l'humanité n'est pas moins désireuse de décoder les complexités du cosmos, et l'IA est devenue un partenaire dans notre quête de réponses.
Des lentilles de verre aux gigaoctets
Inventé au début du XVIIe siècle, le télescope a permis aux astronomes d'ouvrir une fenêtre sur le cosmos.
Pour la première fois, les yeux de l'homme peuvent percer au-delà de l'atmosphère.
Outre l'observation directe des objets célestes à l'aide de télescopes, l'humanité est devenue experte dans le calcul des interactions entre les orbites, ce qui a conduit l'astronome français Urbain Le Verrier à prédire l'existence de Neptune à partir de l'orbite d'Uranus, avant que cette prédiction ne soit confirmée en 1846.
Les mathématiques et l'astronomie sont intimement liées depuis des milliers d'années, et c'est dans ces calculs que l'IA excelle.
Le lancement du télescope spatial Kepler en 2009 a marqué une nouvelle ère dans l'exploration extrasolaire. Chargé d'identifier des exoplanètes - des planètes situées en dehors de notre système solaire - en surveillant la luminosité de plus de 150 000 étoiles, Kepler a relayé un volume colossal de données vers la Terre.
Bien que plus de 2 600 exoplanètes aient été confirmées au cours de sa mission, les chercheurs continuent d'analyser les données aujourd'hui.
En 2021, plus de 10 ans après le lancement du télescope, la NASA a annoncé qu'un modèle d'IA avait aidé les chercheurs à ajouter 301 exoplanètes nouvellement validées à la collection totale de 4 569.
Le modèle, un réseau neuronal profond nommé ExoMinerL'analyse des données de l'étude des exoplanètes pourrait permettre de valider solidement ces propositions d'exoplanètes, ce qui nécessiterait autrement une longue analyse manuelle.
Hamed Valizadegan, chef du projet ExoMiner, a déclaré : "Quand ExoMiner dit que quelque chose est une planète, vous pouvez être sûr que c'est une planète. ExoMiner est très précis et, à certains égards, plus fiable que les classificateurs automatiques existants et que les experts humains qu'il est censé imiter, en raison des biais liés à l'étiquetage humain".
Les origines universelles
L'arrière-pays de l'Australie occidentale abrite le Réseau à grand champ de Murchison (MWA).
Contrairement aux télescopes traditionnels, le MWA est un radiotélescope à l'écoute des premières ondes radio de l'univers.
En captant les signaux radio de l'espace, le MWA donne un aperçu de l'état de l'univers il y a près de 13 milliards d'années. Ce n'est pas sans difficultés, car les interférences radio modernes menacent d'étouffer les anciennes paroles de l'univers.
Grâce à l'IA, les chercheurs peuvent filtrer et différencier entre le bruit radio et les chuchotements primordiaux de l'univers, ce qui permet une analyse plus précise.
Visualisation des objets célestes
Les Télescope Event Horizon (EHT), qui a capturé la première image d'un trou noir, s'est appuyé sur le traitement de l'IA pour convertir ses observations en quelque chose de clair et de cohérent.
L'EHT rassemble plusieurs télescopes du monde entier pour créer un méga-télescope unique.
En utilisant les forces combinées de plusieurs réseaux de télescopes, l'EHT a pu observer le trou noir supermassif au centre de la Voie lactée.
Pour transformer ces observations en une image précise, il faut recourir à l'apprentissage automatique pour calculer la forme la plus probable à partir des données disponibles.
Le modèle ML, PRIMOa analysé les caractéristiques de 30 000 trous noirs simulés pour produire l'image largement diffusée ci-dessous.
La masse du trou noir est estimée à 6,5 milliards de fois celle du Soleil.
L'IA découvre un astéroïde "potentiellement dangereux
Nous entendons beaucoup parler des risques de l'IA, mais que se passerait-il si elle nous sauvait d'un astéroïde mortel ?
Des chercheurs de l'observatoire Vera Rubin, dans le nord du Chili, ont récemment découvert un astéroïde potentiellement dangereux grâce à l'IA.
L'observatoire Vera Rubin dans le nord du Chili, encore en construction, est appelé à devenir l'appareil photo numérique le plus puissant utilisé pour la photographie astronomique,
HelioLinc3DLe programme d'IA responsable de cette découverte a été conçu pour soutenir les efforts de l'Observatoire Vera C. Rubin en matière de détection d'astéroïdes. Le modèle a été déployé lors d'un test à l'observatoire ATLAS à Hawaï.
L'IA a dévoilé un astéroïde d'environ 600 pieds de large (180 mètres), baptisé 2022 SF289.
Cet objet céleste, d'une taille d'environ 182 m (600 pieds de large), devrait s'approcher à 140 000 miles (225 000 kilomètres) de la Terre.
Si l'on considère que la distance moyenne entre la Lune et la Terre est d'environ 384 400 km, l'astéroïde est plus proche que ne le laissent supposer les chiffres bruts, ce qui le classe dans la catégorie des astéroïdes potentiellement dangereux (PHA). Rassurez-vous, il ne devrait pas nous frapper.
HelioLinc3D est beaucoup plus rapide et efficace que les méthodes actuelles pour détecter les astéroïdes potentiellement dangereux.
Traditionnellement, cela nécessite de capturer des images de segments spécifiques du ciel plusieurs fois par nuit, alors qu'HelioLinc3D nécessite moins d'observations et fonctionne bien avec des objets peu lumineux.
Les télescopes captent souvent une dense dispersion de bruit inutile lorsqu'ils observent des objets peu lumineux, ce qui rend la détection des astéroïdes authentiques exceptionnellement difficile.
Larry Denneau, astronome en chef d'ATLAS, a souligné l'importance de l'étude de l'impact sur l'environnement. les implications de cette découverte: "Toute étude aura des difficultés à découvrir des objets comme 2022 SF289 qui sont proches de sa limite de sensibilité, mais HelioLinc3D montre qu'il est possible de récupérer ces objets peu lumineux à condition qu'ils soient visibles pendant plusieurs nuits. Nous disposons ainsi d'un télescope plus grand et plus performant".
Mario Jurić, scientifique au Rubin et chef de l'équipe HelioLinc3D, a déclaré : "Ce n'est qu'un petit avant-goût de ce qui nous attend à l'Observatoire Rubin dans moins de deux ans, lorsque HelioLinc3D découvrira un objet comme celui-ci chaque nuit."
Il a ajouté : "Mais plus largement, c'est un aperçu de l'ère à venir de l'astronomie à forte intensité de données. De HelioLinc3D aux codes assistés par l'IA, la prochaine décennie de découvertes sera une histoire de progrès dans les algorithmes autant que dans les nouveaux grands télescopes."
Déterminer l'âge des étoiles grâce à l'IA
L'IA aide également les chercheurs à retracer l'histoire de l'univers.
Un modèle récent développé comme une version améliorée par l'IA d'un projet plus ancien, EAGLES (Estimation des âges à partir des largeurs équivalentes en lithium)Il analyse la présence de lithium dans les étoiles afin d'estimer leur âge.
Historiquement, toutes les étoiles commencent leur vie avec une proportion similaire de lithium. Cependant, au fur et à mesure qu'elles vieillissent, ce lithium s'épuise à des rythmes différents en raison de facteurs tels que leur masse et les températures qui y sont associées.
La température d'une étoile, qui indique sa masse, joue un rôle central dans sa consommation de lithium.
Dans les étoiles plus chaudes, la convection accrue dans les couches externes provoque des turbulences, envoyant le lithium plus profondément dans l'étoile et fusionnant avec les protons pour produire deux noyaux d'hélium. Par conséquent, les niveaux de lithium diminuent avec le temps.
En observant l'abondance de lithium d'une étoile en même temps que sa température, les astronomes peuvent extrapoler son âge.
Traditionnellement, la détermination de l'âge d'une étoile à partir de son lithium impliquait d'évaluer la force du lithium dans les données spectrographiques et de la faire correspondre aux modèles d'évolution stellaire établis.
Ce processus n'était pas seulement ardu, il était aussi limité dans sa portée. George Weaver, de l'université britannique de Keele, a fait remarquer que cela était "difficile à faire et demandait beaucoup de travail".
Weaver et l'astrophysicien Robin Jeffries de l'université de Keele ont mis au point l'algorithme EAGLES pour rationaliser ce processus.
En entraînant EAGLES sur un ensemble de données de 6 000 étoiles provenant de 52 amas observés par le Mission GaiaIls ont développé un modèle capable d'estimer le salaire d'une star avec un minimum de travail manuel.
EAGLES sera bientôt utilisé pour deux vastes études : l'étude WEAVE sur le télescope William Herschel en 2023 et l'étude 4MOST sur le télescope VISTA de l'Observatoire européen austral en 2024.
"Il s'agit de deux grandes études spectroscopiques qui prendront les spectres de dizaines de millions d'étoiles", a déclaré M. Jeffries.
L'un des objectifs de ces études est de retracer l'histoire de la formation des étoiles dans les différentes populations stellaires de la galaxie.
L'IAO d'Elon Musk
Nous ne pouvons pas laisser Elon Musk en dehors d'une discussion existentielle englobant le cosmos.
En juillet, Musk a dévoilé son dernier projet lunaire - xAI. Cette nouvelle startup mystérieuse dans le domaine de l'IA a pour objectif d'étudier des concepts scientifiques urgents tels que la matière noire, l'énergie noire, le paradoxe de Fermi et l'existence des extraterrestres.
Selon les termes de Musk, l'IAO permettra de répondre à des "questions fondamentales" concernant la "réalité" et "l'univers".
Musk et son équipe ont organisé une discussion sur Twitter Spaces à propos de xAI, et bien qu'intrigante, elle n'a pas permis de clarifier énormément de choses sur la stratégie de la startup. En août 2023, il n'y a pas d'informations concrètes sur ce qu'elle compte faire et comment.
Excellente synthèse https://t.co/s2QE9zuzp4
- xAI (@xai) 15 juillet 2023
Certains pensent que la xAI construira des modèles d'IA orientés vers la science et les statistiques afin de stimuler la recherche. Il pourrait s'agir d'un "agent général" d'IA orienté vers la science, capable d'exécuter pratiquement toutes les fonctions susmentionnées.
L'IAx pourrait mettre sa puissance de calcul à la disposition des chercheurs scientifiques, ce qui permettrait d'éliminer certains goulets d'étranglement liés au déploiement de modèles complexes dans les milieux universitaires.
D'un autre côté, il se peut que xAI aboutisse à un autre grand modèle linguistique (LLM), ou qu'il n'aboutisse à rien du tout - ce qui serait décevant compte tenu du calibre de l'équipe fondatrice de la startup.
Si xAI fournit un modèle d'IA surpuissant à des fins de recherche, cela pourrait permettre aux scientifiques de créer des modèles spécialisés pour toutes sortes d'applications en physique, en astronomie, en médecine, en climatologie et dans d'autres domaines.
Malgré ses difficultés, l'IA donne à l'humanité les moyens d'explorer de nouvelles frontières que l'on n'aurait pas cru possibles il y a encore quelques années.
Cette technologie, qui en est encore à ses débuts, révèle son potentiel pour identifier les astéroïdes dangereux, les exoplanètes et l'âge des étoiles, ce qui nous permet d'élargir nos horizons cosmiques et d'approfondir notre connaissance de l'univers.
Tous risques mis à part, l'utilisation de l'IA pour explorer les secrets de l'univers est une perspective alléchante.
