Information

Deep-CEE: le modèle d'IA qui aide les astronomes à trouver des amas de galaxies

Deep-CEE: le modèle d'IA qui aide les astronomes à trouver des amas de galaxies

Les amas de galaxies, constitués de plusieurs galaxies liées entre elles par la gravité et la matière noire, sont des géants de l'univers.

Pour mettre les choses en perspective, on estime que notre propre galaxie de la Voie lactée abrite environ 250 milliards étoiles.

Le problème est que, bien qu'ils soient des millions d'années-lumière à travers, ils ont également tendance à être à des millions d'années-lumière de nous, ce qui les rend difficiles à repérer pour les astronomes.

Entrer Deep-CEE (Deep Learning for Galaxy Cluster Extraction and Evaluation), une technique d'apprentissage en profondeur développée par des chercheurs de l'Université de Lancaster. L'IA a été conçue pour trouver des amas de galaxies beaucoup plus rapidement que n'importe quel humain ne serait capable de le faire.

CONNEXES: UN SIMULATEUR UNIVERS AI SI PRÉCIS QUE SES CRÉATEURS NE LE COMPRENNENT PAS PLEINEMENT

Comprendre la matière noire

Les scientifiques ont découvert que le principal facteur liant les amas de galaxies est la matière noire. En tant que tel, en apprendre davantage sur ces environnements extrêmes peut nous aider à mieux comprendre les propriétés mystérieuses de la matière noire et de l'énergie noire.

Dans les années 1950, l'astronome George Abell a trouvé le «catalogue Abell» des amas de galaxies après avoir analysé environ 2,00 plaques photographiques de l'univers observable.

Deep-CEE, construit par Matthew Chan, étudiant au doctorat à l'Université de Lancaster, s'appuie sur l'approche d'Abell mais remplace l'astronome par un modèle d'IA formé pour rechercher des images en couleur afin d'identifier les amas de galaxies.

L'IA a été formée en montrant des exemples d'objets connus et étiquetés jusqu'à ce qu'elle soit capable d'associer des objets par elle-même. Des tests pilotes ont ensuite démontré la capacité de Deep-CEE à être entraîné sur des amas de galaxies.

D'énormes quantités de données

«Nous avons appliqué avec succès Deep-CEE au Sloan Digital Sky Survey», a déclaré Chan dans un communiqué de presse. «En fin de compte, nous exécuterons notre modèle sur des enquêtes révolutionnaires telles que le télescope Large Synoptic Survey (LSST) qui sondera de plus en plus profondément des régions de l'Univers jamais explorées auparavant.

D'énormes quantités de données sont générées quotidiennement par les télescopes. Le prochain levé du ciel du LSST (prévu en 2021), par exemple, générera environ 15 To de données chaque nuit afin de visualiser l'ensemble du ciel de l'hémisphère sud.

«Les techniques d'exploration de données telles que l'apprentissage en profondeur nous aideront à analyser les énormes sorties des télescopes modernes», déclare le Dr John Stott (directeur de thèse de Chan). "Nous nous attendons à ce que notre méthode trouve des milliers de grappes jamais vues auparavant par la science".

Chan est prêt à présenter son modèle d'IA et les résultats de son article, "Fishing for galaxy clusters with" Deep-CEE "neural nets" le 4 juillet à 15h45 lors de la session "Machine Learning in Astrophysics".


Voir la vidéo: voyage dans lunivers documentaire 720p 1h30 (Décembre 2021).