Il s’appelle RobERt et sa mission est de reconnaître les éléments qui composent les atmosphères de différentes exoplanètes. Là où un être humain pouvait traiter les données en quelques jours ou semaines, l’alogorithmne ne mettra que quelques secondes. Une bonne nouvelle pour la caractérisation de mondes potentiellement habitables.
« Si les planètes sont habitées, quelle étendue pour la folie : si elles ne sont pas habitées, quelle perte de place » a écrit l’auteur Thomas Carlyle (1795-1881), cité par le regretté André Brahic dans l’Avant-Propos de son dernier livre Terres d’ailleurs. Il songeait sans doute aux seules planètes qui tournent autour du Soleil, une étoile comme tant d’autres. Aujourd’hui, à la mi-2016, 3.443 exoplanètes sont connues et parmi elles, une vingtaine sont considérées comme potentiellement habitables. C’est très satisfaisant en deux décennies d’exploration mais les projections des astronomes estiment qu’elles sont probablement des dizaines de milliards dans toute la Galaxie… Alors combien sont vraiment habitables, voire même habitées ?
C’est en disséquant la lumière de leur étoile traversant — ou réfléchit par — leur atmosphère que les chercheurs peuvent faire connaissance avec ces mondes extérieurs à notre Système solaire et ainsi déterminer leur habitabilité — entre autres paramètres — selon leurs compositions. Mais la liste d’attente n’a de cesse de s’allonger et c’est une tâche délicate et fastidieuse qui réclame beaucoup de temps pour qui les examinent une par une. C’est pourquoi une équipe dirigée par Ingo Waldmann de l’UCL (University College London) a donné naissance à RobERt (Robotic Exoplanet Recognition). Ils l’ont présenté à leurs pairs le 28 juin à l’occasion des Rencontres nationales d’astronomie (NAM) qui se tenaient à Nottingham.
« Les cerveaux humains sont vraiment bons pour identifier [les ‘’empreintes’’ de caractéristiques associées aux différentes molécules ou gaz] dans les spectres et les étiqueter selon l’expérience, mais c’est un travail qui prend vraiment beaucoup de temps et il va y avoir d’énormes quantités de données à traiter » a déclaré le chercheur. Avec RobERt, ce qui prenait plusieurs jours ou semaines ne prend plus que quelques secondes.
Qui est RobERt ?
RobERt est un algorithme développé à partir d’un DBN, acronyme de Deep belief neural networks pour réseaux neuronaux de convictions profondes, une technique d’apprentissage pour l’Intelligence artificielle créée il y a plus de 10 ans, souvent employée pour la reconnaissance vocale, les recherches sur Internet et le suivi du comportement des consommateurs. Dans ce cas présent, il se compose de trois couches d’unités processeurs ou neurones. L’information entrée est traitée par une première couche inférieure de quelque 500 neurones puis transmise à une seconde de 200 neurones qui, après les avoir tamisées, les envoie à la troisième constituée de 50 neurones, laquelle enfin rend son verdict quant à la présence des gaz et molécules.
Pour entrainer RobERt, l’équipe a simulé un total de quelque 85.750 spectres, soit 17.150 pour chacune des cinq exoplanètes représentatives (de la planète-océan à la Jupiter chaude) : WASP-12b, HD 189733b, HD209458b, HAT-P-11b, GJ1214b. Chaque spectre ne concernait qu’une seule espèce. Son taux de reconnaissance a atteint 99,7 % de réussite à la fin de cette phase d’apprentissage.
« RobERt a appris à prendre en compte des facteurs tels que le bruit, les gammes de longueurs d’onde restreintes et des mélanges de gaz, a déclaré le professeur Waldmann. Il peut distinguer des composants tels que l’eau et le méthane dans une atmosphère mélangée avec une forte probabilité, et cela même lorsque les données proviennent de longueurs d’onde limitées que la plupart des instruments spatiaux fournissent et quand il contiennent des caractéristiques qui se chevauchent. »
À quoi rêve RobERt ? À une autre Terre comme ici vue au prisme de la peinture de Claude Monet — Crédit : Waldmann, UCL, Gatys
Jeu de briques
Snake
Pacman
Bubble