L’intelligence artificielle change fondamentalement notre façon de voir l’univers. Après avoir déjà révolutionné la façon dont nous traitons les données du télescope spatial James Webb (JWST), l’IA est désormais déployée pour résoudre l’un des problèmes les plus anciens de l’astronomie : l’effet de flou de l’atmosphère terrestre.
Un nouvel algorithme d’IA, développé par des chercheurs de l’Université de Californie à Santa Cruz (UCSC), vise à transformer les images de l’Observatoire Vera C. Rubin au Chili, rendant les observations au sol aussi nettes et claires que celles prises dans le vide de l’espace.
L’obstacle atmosphérique
Même les observatoires au sol les plus avancés se heurtent à un obstacle de taille : l’atmosphère. L’observatoire Vera C. Rubin, situé au sommet du Cerro Pachón dans les Andes chiliennes, se trouve dans l’un des endroits les plus secs de la planète afin de minimiser les interférences. Cependant, lorsque la lumière provenant de galaxies lointaines traverse notre atmosphère, elle rencontre des turbulences qui déforment et brouillent l’image.
Alors que les astronomes investissent massivement dans le matériel pour corriger ces distorsions, le professeur Brant Robertson de l’UCSC et son équipe se tournent vers un autre type de technologie haute performance : l’apprentissage automatique.
Entrez “Neo” : l’IA Image Enhancer
Les chercheurs ont développé un modèle génératif nommé Neo. Pour entraîner ce système, l’équipe a utilisé une méthode comparative astucieuse :
1. Ils ont alimenté les images IA du télescope Subaru (basé au sol).
2. Ils les ont associés à des instantanés haute résolution des mêmes régions du ciel provenant du télescope spatial Hubble (basé dans l’espace).
En comparant les deux, Neo a appris à « combler » les détails manquants perdus à cause du flou atmosphérique. Les résultats sont transformateurs. Selon l’équipe de recherche, Neo peut améliorer de 2 à 10 fois la précision des formes et des paramètres mesurés des galaxies.
Concrètement, cela signifie :
– Les vagues taches sont converties en étoiles distinctes et individuelles.
– Les formes floues sont résolues en structures galactiques précises.
– La qualité des données est élevée à un niveau qui imite statistiquement la photographie spatiale.
Maximiser le retour scientifique
Ce saut technologique ne concerne pas seulement de meilleures images ; il s’agit d’efficacité économique et scientifique. Construire un télescope spatial comme Hubble ou Webb coûte des milliards de dollars. En revanche, l’Observatoire Vera C. Rubin a coûté environ 800 millions de dollars.
En utilisant l’IA pour « surcharger » les données provenant de Rubin, les scientifiques peuvent extraire une valeur bien plus élevée de leur investissement. Comme le note Robertson, l’objectif est de tirer parti des ressources publiques et communautaires pour garantir que nous obtenons toutes les informations possibles de nos instruments les plus coûteux.
Comment fonctionne Neo : une approche à double réseau
Neo utilise un réseau contradictoire génératif conditionnel (GAN). Cela implique deux réseaux de neurones travaillant en boucle constante :
– Le générateur : crée une version améliorée en haute résolution de l’image originale.
– L’évaluateur : analyse de manière critique l’image générée pour en vérifier l’exactitude et la qualité.
Ce processus est alimenté par les supercalculateurs pilotés par GPU de NVIDIA, permettant à l’IA d’analyser chaque pixel pour distinguer le ciel vide, les étoiles et les structures galactiques complexes comme les disques ou les sphéroïdes.
L’avenir de la découverte : humains + IA
On craint souvent que l’IA remplace les scientifiques, mais les chercheurs soutiennent le contraire. Le volume de données produites par les télescopes modernes, comme les flux massifs de données du JWST, est trop vaste pour que l’œil humain puisse le traiter seul.
“Nous sommes inondés d’une telle quantité de données qu’il est très difficile de les suivre”, déclare Robertson. “Nos approches standard pour analyser ces images ne sont tout simplement pas suffisantes.”
L’IA agit comme un multiplicateur de force. Il gère le gros du travail de reconnaissance des formes et de nettoyage des données, permettant aux astronomes de se concentrer sur l’interprétation des découvertes les plus profondes.
Conclusion
En comblant le fossé entre les limitations au sol et la clarté dans l’espace, l’IA ouvre la voie à une nouvelle ère d’astronomie rapide et à haute résolution. Cette technologie garantit que même si nous sommes confrontés à un déluge écrasant de données cosmiques, notre capacité à comprendre l’univers suit le rythme.
