Repousser les limites de l'exploration spatiale profonde ! Nos scientifiques utilisent un modèle d'IA astronomique pour créer la "Carte ultime de l'espace profond"

Explorer des corps célestes faibles et éloignés est la clé pour résoudre les énigmes scientifiques telles que l’origine et l’évolution de l’univers, le cycle de la matière et de l’énergie. Des scientifiques chinois, en se basant sur le principe de l’optique computationnelle et des algorithmes d’intelligence artificielle, ont développé le modèle d’IA astronomique « Xingyan », capable de déchiffrer les signaux de corps célestes faibles, de détecter des galaxies à plus de 13 milliards d’années-lumière, et d’obtenir les images du vide profond les plus profondes actuellement connues internationalement. Ce résultat a été publié en ligne dans « Science » au petit matin du 20 février.

Les corps célestes faibles recèlent des informations clés pour comprendre l’origine et l’évolution de l’univers. Cependant, le bruit de fond de la lumière du ciel et le bruit de rayonnement thermique du télescope se superposent, ce qui peut perturber le signal des corps faibles, constituant ainsi un grand défi pour l’exploration de l’univers.

L’image montre une illustration conceptuelle du modèle d’IA astronomique Xingyan. (Fournie par l’interviewé)

L’équipe dirigée par le professeur Dai Qionghai du département d’automatique de l’Université Tsinghua, le professeur associé Cai Zheng du département d’astronomie, et le professeur associé Wu Jiamin du département d’automatique, a développé le modèle Xingyan, capable de décoder d’énormes volumes de données provenant de télescopes spatiaux, tout en étant compatible avec divers dispositifs de détection. Il pourrait devenir une plateforme universelle d’amélioration des données du vide profond.

La « magnitude » est une classification de la luminosité des corps célestes : plus la valeur est grande, plus l’objet est faible. Des études montrent qu’en appliquant Xingyan au télescope spatial James Webb, la gamme de détection peut s’étendre du visible (environ 500 nanomètres) à l’infrarouge moyen (5 micromètres), et la profondeur de détection du vide profond peut être augmentée d’une magnitude, avec une précision de détection améliorée de 1,6 magnitude — ce qui équivaut à augmenter le diamètre effectif du télescope spatial d’environ 6 mètres à près de 10 mètres.

« Nous avons généré les images du vide profond avec la meilleure profondeur de détection actuellement au niveau international, repoussant les limites de l’exploration du vide profond et créant des images extrêmement profondes », a déclaré Cai Zheng. L’équipe a utilisé Xingyan pour découvrir plus de 160 galaxies candidates datant de l’époque précoce de l’univers, entre 200 millions et 500 millions d’années après le Big Bang, alors qu’auparavant, seulement une cinquantaine de galaxies de cette période avaient été découvertes à l’échelle internationale.

L’image compare les résultats de recherches antérieures (étoile bleue-violette) et ceux découverts par Xingyan (étoile orange). (Fournie par l’interviewé)

Wu Jiamin explique que la technique de « débruitage spatio-temporel auto-supervisé » de Xingyan se concentre sur l’extraction et la reconstruction des signaux faibles, en modélisant conjointement le bruit fluctuant et la luminosité des corps célestes, et en utilisant directement de vastes ensembles de données d’observation pour l’entraînement. Cela permet d’augmenter la profondeur de détection tout en garantissant la précision.

Les évaluateurs de « Science » ont commenté que cette recherche fournit un « outil puissant » pour la détection de l’univers, et qu’elle aura « un impact important dans le domaine de l’astronomie ».

Dai Qionghai indique qu’en s’appuyant sur Xingyan, les corps faibles perturbés par le bruit lors des observations astronomiques peuvent être reproduits avec une haute fidélité. Cette technologie pourrait à l’avenir être appliquée à de nouveaux télescopes de génération, aidant à décoder l’énergie sombre, la matière noire, l’origine de l’univers, les exoplanètes et d’autres grandes questions scientifiques.

(Article publié par Xinhua)