Mis en place il y a moins de trois ans, le projet Hubble Asteroid Hunter est déjà très prolifique. À l’aide d’un algorithme d’apprentissage automatique, un groupe de scientifiques citoyens aurait en effet découvert plus d’un millier de nouvelles traînées trahissant les passages de nouveaux astéroïdes dans les données de Hubble.
Repérer les petits astéroïdes
Les objets du Système solaire, astéroïdes inclus, représentent les restes des planétésimaux qui formaient autrefois les planètes. Les appréhender fournit des contraintes clés sur l’évolution du Système solaire et des autres systèmes planétaires.
Ces dernières années, il y a eu une augmentation exponentielle des découvertes d’astéroïdes. La plupart de ces découvertes ont été obtenues avec de télescopes au sol dans le cadre d’efforts d’enquête dédiés à l’observation et à la caractérisation d’objets sur des orbites proches de la Terre.
L’identification des petits astéroïdes est également importante, car leur distribution est mal comprise. Ces objets sont en revanche moins connus du fait de leurs faibles magnitudes. Une manière de les repérer est alors de s’appuyer sur des observatoires spatiaux, comme Hubble.
Au cours de ses trois dernières décennies, cet observatoire a produit une riche archive de centaines de milliers d’observations ciblées de nébuleuses, de galaxies, d’amas de galaxies et de lentilles gravitationnelles. Parfois, des objets plus proches tels que des astéroïdes traversent son champ de vision, laissant des traces visibles dans les images.
Pour analyser toutes ces données, les chercheurs de la NASA et de l’ESA ont développé il y a un peu moins de trois ans un projet de science citoyenne sur la plate-forme Zooniverse : le Hubble Asteroid Hunter. Le but pour le grand public est d’observer les images prises par le télescope et d’identifier la présence de traînées. Les résultats de cette vaste enquête ont été publiés dans la revue Astronomy & Astrophysics.
Plus d’un millier de nouveaux objets
En parcourant plus de 37 000 images de Hubble et appuyé par un algorithme d’apprentissage automatique, un groupe de scientifiques citoyens aurait alors identifié 1 701 de ces traînées. Sur cet échantillon, 670 d’entre elles avaient été laissées par des objets déjà présents dans la base de données du Centre des planètes mineures de l’Union astronomique internationale. Autrement dit, 1 031 de ces traînées avaient été laissées par des astéroïdes encore non identifiés. D’un coup, le nombre de roches spatiales connues dans le Système solaire aurait ainsi augmenté d’environ 1 %.
« La science citoyenne et l’apprentissage automatique sont des techniques très utiles pour la recherche systématique d’objets du Système solaire dans les archives de données scientifiques astronomiques existantes« , écrit l’équipe de recherche. « Ce travail décrit une méthode pour trouver de nouveaux astéroïdes dans des archives astronomiques qui s’étendent sur des décennies. Il pourrait être appliqué efficacement à d’autres ensembles de données« .
Étant donné que ces objets ont tous été observés dans des données plus anciennes, il est aujourd’hui difficile d’estimer leur position actuelle.
