Etudier les exoplanètes, c’est bien… mais c’est long. Pour gagner du temps, une équipe a créé Robert, une intelligence artificielle capable d’effectuer les mêmes analyses que le cerveau humain en seulement quelques secondes.

Les découvertes d’exoplanètes se multiplient

A l’heure actuelle, on connaît plus de 3 500 exoplanètes, c’est-à-dire des planètes qui appartiennent à d’autres systèmes solaires que le nôtre, qui n’est qu’un système parmi d’autres. Elles ont été découvertes lors des deux dernières décennies, et l’étude de l’espace est vouée à augmenter ce nombre, car selon les scientifiques, elles se compteraient par dizaines de milliards dans toute la galaxie.

L’intérêt principal des exoplanètes est leur caractère potentiellement habitable. Pour le moment, seules 20 semblent avoir les conditions nécessaires. C’est précisément ce travail qui prend des jours, voire des semaines aux chercheurs : déterminer la composition de ces planètes lointaines, qui ne peut être découverte que par des procédés indirects.

Etudier les exoplanètes : un travail de titan pour le cerveau humain

Des missions dédiées à l’étude des exoplanètes sont prévues dans un futur proche. En 2018, le télescope spatial James Webb collectera des données atmosphériques, tandis que Twinkle et Ariel, deux satellites européens, iront également à la pêche aux informations.

Ingo Waldmann, de l’University College of London, directeur de l’équipe qui a mis au point Robert souligne que « les cerveaux humains sont vraiment bons pour identifier [les « empreintes » de caractéristiques associées aux différentes molécules ou gaz] dans les spectres et les étiqueter selon l’expérience, mais c’est un travail qui prend vraiment beaucoup de temps et il va y avoir d’énormes quantités de données à traiter. » C’est là que Robert et sa rapidité à traiter les informations intervient.

Construction du télescope James Webb

Les performances de Robert

Robert (pour Robotic Exoplanet Recognition) a été présenté en 2016 lors des Rencontres Internationales d’Astronomie à Nottingham. Il s’agit d’un algorithme de type DBN (Deep belief neural network), également utilisé dans les logiciels de reconnaissance vocale, le suivi des comportements des consommateurs sur Internet et les recherches sur le réseau.

Sa capacité d’apprentissage profond repose sur sa composition en trois couches de 500, 200 et 50 neurones permettant de traiter et filtrer les informations jusqu’à rendre un verdict final sur la présence de tel ou tel gaz ou molécule. D’après Ingo Waldmann, Robert est très performant :

« Robert a appris à prendre en compte des facteurs tels que le bruit, les gammes de longueurs d’onde restreintes et des mélanges de gaz, rapporte Ingo Waldmann. Il peut distinguer des composants tels que l’eau et le méthane, et cela même lorsque les données proviennent d’étroites bandes de longueurs d’onde et quand ces informations se chevauchent. » Robert peut également effectuer l’opération inverse : « Nous pouvons lui demander de rêver à quoi peut ressembler un spectre de l’eau et il s’est montré précis », explique le chercheur.

L’efficacité de cette intelligence artificielle dépend en effet de sa capacité d’apprentissage. Pour entraîner Robert, l’équipe a simulé un total de 85.750 spectres, soit 17.150 pour chacune des cinq exoplanètes représentatives (de la planète-océan à la Jupiter chaude) : WASP-12b, HD 189733b, HD209458b, HAT-P-11b, GJ1214b. Bilan : 99,7 % de réussite. Son soutien devrait permettre aux scientifiques de gagner du temps et est très attendu pour les futures missions d’exploration des exoplanètes.

S’abonner
Notifier de
guest

0 Commentaires
Inline Feedbacks
View all comments