Un lycéen découvre 1,5 million d’objets célestes grâce à l’intelligence artificielle

Alors qu’il suivait une formation à l’Institut de technologie de Californie (Caltech) aux États-Unis, un lycéen local a découvert 1,5 million d’objets célestes auparavant inconnus des scientifiques. Il a publié ses résultats dans une revue spécialisée, The Astronomical Journal.

L’étudiant, Matthew Bāz, a développé un algorithme d’apprentissage automatique pour analyser les données du télescope NEOWISE, dans le but de détecter des objets célestes variables tels que les quasars ou les étoiles en explosion.

Les objets variables sont ceux dont la luminosité change dans le ciel. Ce phénomène peut être intrinsèque, comme les étoiles qui se dilatent et se contractent, ou causé par un événement soudain, comme une explosion stellaire.

Matthew possédait déjà des connaissances avancées en mathématiques, nécessaires pour programmer. Il étudiait les mathématiques universitaires avancées à l’Académie des mathématiques du district scolaire unifié de Pasadena, où les élèves terminent le calcul différentiel avancé dès la huitième année.

Les courbes de lumière
NEOWISE est un télescope spatial de la NASA lancé en 2009. Il observe le ciel en infrarouge, sur une échelle bien plus large que les télescopes traditionnels, et se concentre sur la détection d’astéroïdes, d’étoiles et de galaxies.

Ce télescope a produit une énorme quantité d’images et de données pendant plus de dix ans. Le problème a toujours été que le volume de données est trop important pour être traité manuellement par les scientifiques.

Matthew a conçu un algorithme d’apprentissage automatique capable d’analyser les variations lumineuses de chaque objet au fil du temps, un phénomène connu sous le nom de « courbe de lumière » des objets célestes.

Il a utilisé 2,7 millions de courbes de lumière issues des données de NEOWISE, correspondant à des objets déjà connus des chercheurs, pour entraîner son modèle. Ensuite, l’IA a appris à reconnaître les différents motifs de ces courbes et à distinguer les variations lumineuses réelles du bruit ou des erreurs de mesure.

Par la suite, l’algorithme a été appliqué aux données complètes du télescope, permettant d’identifier plus de 1,5 million d’objets variables inconnus jusqu’alors. Ce chiffre équivaut, voire dépasse, ce que les humains ont découvert manuellement au cours des dernières décennies.

L’intelligence artificielle au service de l’astronomie
Quand on parle d’intelligence artificielle, on pense souvent en premier lieu à des choses comme ChatGPT, la retouche photo poussée, ou encore la voix d’Oum Kalthoum chantant du Amr Diab. C’est ce qui circule sur les réseaux sociaux et façonne la perception du public.

Mais cette vision est limitée : l’intelligence artificielle touche des domaines bien plus profonds et influents dans notre quotidien, comme les sciences militaires, la médecine, l’ingénierie, ou encore l’astronomie.

Ce n’est d’ailleurs pas une nouveauté dans ce domaine. En 2019, l’équipe du télescope Event Horizon, qui a dévoilé la première image d’un trou noir, a utilisé l’intelligence artificielle pour produire cette image.

Les chercheurs ont « enseigné » à l’IA comment reconnaître les trous noirs, en la nourrissant de simulations de différents types de trous noirs. Ensuite, ils ont utilisé l’IA pour combler les lacunes dans l’immense quantité de données collectées par les radiotélescopes sur le trou noir au centre de la galaxie M87.

Grâce à ces données générées par l’IA, l’équipe a pu produire une image deux fois plus nette que l’originale, parfaitement cohérente avec les prédictions de la relativité générale.

Depuis 2010, les astronomes utilisent l’apprentissage automatique pour classifier les galaxies. Aujourd’hui, ces outils atteignent une précision de 98 %, un progrès remarquable. Cette classification est essentielle pour comprendre la répartition des galaxies dans l’univers. Pendant des décennies, cette tâche incombait à une équipe de chercheurs supervisant des milliers de volontaires (scientifiques citoyens) via Internet pour repérer et classer les nouvelles galaxies.