Une équipe interdisciplinaire de l’université Tsinghua, en Chine, a mis au point un modèle d’intelligence artificielle destiné à améliorer l’imagerie astronomique et à repousser les limites de l’exploration de l’espace profond. Baptisé ASTERIS (Astronomical Spatiotemporal Enhancement and Reconstruction for Image Synthesis), ce système combine optique computationnelle et algorithmes d’IA.
Les résultats, publiés dans la revue Science, montrent que le modèle permet d’extraire des signaux astronomiques extrêmement faibles, d’identifier des galaxies situées à plus de 13 milliards d’années-lumière et de produire les images les plus profondes jamais obtenues du cosmos.
L’observation d’objets célestes très éloignés est essentielle pour comprendre l’origine et l’évolution de l’univers. Toutefois, les astronomes se heurtent à un obstacle majeur : les signaux faibles en provenance de ces objets sont souvent masqués par le bruit de fond du ciel et par les radiations thermiques des instruments.
ASTERIS introduit une technique dite d’« auto-apprentissage spatiotemporel de débruitage ». Appliquée aux données du télescope spatial James Webb (JWST), elle étend la couverture d’observation du spectre visible (environ 500 nanomètres) jusqu’au moyen infrarouge (5 micromètres). Le modèle augmente également la profondeur de détection d’une magnitude, ce qui permet d’identifier des objets 2,5 fois plus faibles qu’auparavant.
Grâce à cette technologie, l’équipe a identifié plus de 160 galaxies candidates à fort décalage vers le rouge (high-redshift), datant de la période dite de « l’aube cosmique », entre 200 et 500 millions d’années après le Big Bang. Ce chiffre représente un triplement par rapport aux méthodes précédentes, selon Cai Zheng, professeur associé au département d’astronomie de Tsinghua.
Contrairement aux techniques traditionnelles de réduction du bruit, qui supposent une uniformité des interférences, ASTERIS reconstruit les images sous forme de volume spatiotemporel en trois dimensions. Grâce à un mécanisme d’analyse photométrique adaptative, il distingue les fluctuations de bruit des signaux extrêmement faibles émis par les étoiles et galaxies lointaines.
Les chercheurs estiment que le modèle peut traiter d’énormes volumes de données issues de différents télescopes, ce qui pourrait en faire une plateforme universelle d’amélioration des données spatiales. L’objectif est de l’intégrer aux futures générations de télescopes afin d’approfondir l’étude de l’énergie noire, de la matière noire, de l’origine cosmique et des exoplanètes.
Pour les experts, cette avancée pourrait avoir un impact majeur sur l’astronomie moderne en améliorant la capacité à détecter et analyser les objets les plus anciens et les plus lointains de l’univers.
