Une étude rapporte que les réseaux de neurones (une forme d’intelligence artificielle) peuvent analyser avec précision les distorsions complexes de l’espace-temps connues sous le nom de lentilles gravitationnelles dix millions de fois plus rapidement que les méthodes traditionnelles.
En astrophysique, une lentille gravitationnelle se produit par la présence d’un corps céleste très massif (comme une galaxie ou un amas de galaxies) se situant entre un observateur, l’astronome et une source lumineuse lointaine située en arrière-plan. La présence de l’intermédiaire permet d’amplifier l’image de l’objet situé en arrière-plan par effet de la gravitation. Ces distorsions fournissent des indices importants sur la répartition de la masse dans l’espace et sur la façon dont cette distribution évolue au fil du temps. Bien que révélateur en nous permettant de « voir » des choses qui nous seraient normalement impossibles à « voir », ce type d’analyse reste particulièrement long et fastidieux. Les calculs peuvent en effet prendre des semaines, voire des mois et doivent être analysés puis confirmés ou corrigés par des pairs avant d’être publiés. C’est alors que l’IA entre en jeu.
De récents travaux menés par des chercheurs de l’Université de Stanford suggèrent pour la première fois que les réseaux de neurones pouvaient effectuer les mêmes analyses en seulement quelques secondes. En tant que systèmes capables d’apprendre, ces réseaux mettent en œuvre le principe de l’induction, c’est-à -dire l’apprentissage par l’expérience. Ceux-ci s’inspirent en fait de l’architecture du cerveau humain dans laquelle un réseau dense de neurones traite et analyse rapidement l’information. Dans la version artificielle, les « neurones » sont des unités de calcul uniques associées aux pixels de l’image analysée. Les neurones sont organisés en couches pouvant aller jusqu’à des centaines de couches profondes. Chaque couche recherche les fonctionnalités de l’image. Une fois que la première couche a trouvé une certaine caractéristique, elle transmet l’information à la couche suivante qui recherche ensuite une autre fonctionnalité dans cette fonctionnalité et ainsi de suite.
Pour les former, les chercheurs leur ont soumis environ un demi-million d’images simulées de lentilles gravitationnelles pendant environ une journée. Une fois formés, les réseaux ont pu analyser de nouvelles lentilles presque instantanément avec une précision comparable aux méthodes d’analyse traditionnelles. Dans un document distinct soumis à The Astrophysical Journal Letters, l’équipe indique comment ces réseaux peuvent également déterminer les incertitudes de leurs analyses.
« Les réseaux de neurones testés ont été en mesure de déterminer les propriétés de chaque objectif, y compris la répartition de sa masse et l’amplification de l’image de la galaxie de fond », explique Yashar Hezaveh, principal auteur de l’étude. La capacité de parcourir de nombreuses quantités de données et d’effectuer des analyses complexes très rapidement et de manière entièrement automatisée pourrait transformer l’astrophysique de demain en analysant les données avec une vitesse folle et en permettant de nombreuses découvertes. Le nombre de lentilles gravitationnelles connues pourrait alors passer de quelques centaines aujourd’hui à des dizaines de milliers demain.
« Nous n’aurons pas assez de gens pour analyser toutes ces données en temps opportun avec les méthodes traditionnelles », note le chercheur. « Les réseaux de neurones nous aideront à identifier des objets intéressants et à les analyser rapidement. Cela nous donnera plus de temps pour poser les bonnes questions sur l’univers ».
