machine learning planètes nasa

Une IA découvre 50 nouvelles planètes via de vieilles données de la NASA

Les chercheurs de la Warwick University du Royaume-Uni ont développé un système de Machine Learning capable d’identifier les exoplanètes dans les images capturées par les télescopes. Le système a déjà réussi à découvrir 50 nouvelles planètes dans de vieilles données de la NASA…

Afin de découvrir de nouvelles planètes, les astronomes s’appuient sur les images capturées par les télescopes tels que Kepler et Tess de la NASA. Ces instruments capturent les signaux émis par les planètes lorsqu’elles passent devant les étoiles.

Ce passage produit en effet une ombre spécifique dans la lumière émanant de l’étoile, permettant de détecter la planète. Toutefois, cet effet peut aussi être provoqué par d’autres causes comme un système d’étoile binaire, des interférences en provenance d’autres objets, ou même des problèmes sur la caméra.

Afin de surmonter cette limite, des chercheurs britanniques de l’Université de Warwick ont décidé de se tourner vers l’intelligence artificielle. Ils ont ont conçu un algorithme de Machine Learning capable de distinguer les vraies planètes des  » faux positifs «  dans les données de télescope.

Dans un premier temps, l’algorithme a été entraîné sur les données collectées par le télescope Kepler. Cet appareil a passé neuf ans dans l’espace à la recherche de nouveaux mondes, avant d’être remplacé par le TESS lancé par la NASA en avril 2018.

Les données étaient réparties en deux échantillons. Le premier contenait des données de planètes confirmées, le second de faux positifs. Ainsi, l’algorithme a pu apprendre à faire la différence.

Par la suite, le système a été utilisé pour analyser de vieux ensembles de données de la NASA au sein desquelles les nouvelles planètes n’avaient pas encore été  » confirmées  » parmi les milliers de candidats potentiels.

En analysant ces datasets, l’algorithme a découvert non moins de 50 nouvelles exoplanètes. Leur taille varie, allant de plus petite que la Terre a plus grande que Neptune. Certaines mettent jusqu’à 200 jours à faire de l’étoile autour de laquelle elles sont en orbite, d’autres ne prennent qu’un jour.

Une grande première dans le domaine du Machine Learning

Comme l’explique le Dr David Armstrong de la Warwick University, il s’agit d’une grande première. L’IA a déjà été utilisée pour comprendre l’origine des astres, mais jusqu’à présent, personne n’avait utilisé de technique de Machine Learning pour la validation de planète.

Cette technique se révèle plus rapide que celles déjà existantes, et permet tout bonnement d’automatiser le processus de confirmation. De plus, le Machine Learning permet à l’algorithme de devenir encore plus performant à chaque nouvelle découverte.

L’étude a été publiée dans le journal Monthly Notices of the Royal Astronomical Society. Dans le futur, les chercheurs envisagent d’exploiter leur système pour valider des milliers de planètes parmi les candidats potentiels détectés par les télescopes. Il pourrait donc s’agir d’une véritable avancée pour l’astronomie…

L’algorithme nécessite encore de l’entraînement, mais pourrait être utilisé pour analyser les données de la mission TESS (Transition Exoplanet Survey Satellite) de la NASA. Jusqu’à présent, ce nouveau télescope a identifié 66 nouvelles exoplanètes et 2100 candidats potentiels en cartographiant 75% du ciel. Le système de Machine Learning créé par les chercheurs de la Warwick University pourrait permettre de valider les candidats potentiels…