Des astronomes ont utilisé l'intelligence artificielle pour découvrir sept candidats rares à des lentilles de quasar.

• L'intelligence artificielle a permis de réduire plus de 800 000 observations de quasars aux sept candidats les plus probables pour un type de lentille gravitationnelle exceptionnellement rare.

• Le système a été entraîné sur des exemples simulés combinant des données réelles sur les quasars et les galaxies, après quoi les chercheurs ont vérifié manuellement les résultats les plus prometteurs.

• Des observations supplémentaires doivent confirmer les candidats, mais la méthode pourrait aider les astronomes à étudier comment les galaxies et les trous noirs supermassifs se sont formés ensemble.

Sept signaux inhabituels ont été détectés dans un groupe de plus de 800 000 quasars, ce qui pourrait fournir aux astronomes de nouveaux outils pour mesurer la masse des galaxies lointaines et suivre la croissance des trous noirs gigantesques.

Une équipe de recherche internationale a découvert ces candidats grâce à un système d'apprentissage automatique entraîné à reconnaître les quasars qui agissent comme de puissantes lentilles gravitationnelles.

Les quasars sont des noyaux galactiques extrêmement brillants, alimentés par des trous noirs supermassifs. Leur luminosité permet aux astronomes de les observer depuis des distances considérables, mais elle peut aussi atténuer la lumière des galaxies environnantes.

Cette forte luminosité rend difficile la mesure de la taille de la galaxie hôte et l'étude de son évolution en lien avec le trou noir en son centre.

« Les quasars sont comme des photos de bébés trous noirs supermassifs », explique Everett McArthur, auteur principal de l'étude et doctorant en astronomie à l'université d'État de l'Ohio. « Il est donc crucial d'étudier comment on passe des quasars à ces trous noirs. ».

Une rare coïncidence a transformé un quasar en lentille.

L'effet de lentille gravitationnelle intense est un moyen d'éviter l'éblouissement.

Dans de tels systèmes, le quasar et sa galaxie hôte se situent devant une galaxie plus lointaine. La gravité de la galaxie au premier plan courbe et amplifie la lumière de la galaxie d'arrière-plan.

Les astronomes peuvent exploiter cette distorsion pour estimer la masse de la galaxie au premier plan. Cela offre une autre méthode pour étudier la galaxie hôte, dont la lumière serait autrement difficile à distinguer de celle du quasar.

De telles coïncidences sont extrêmement rares. Les études précédentes n'ont identifié qu'un petit nombre d'exemples confirmés et de candidats, ce qui laisse aux chercheurs un nombre insuffisant de systèmes pour mener des études statistiques à grande échelle.

L'équipe a mené des études complémentaires à partir des données obtenues par l'instrument spectroscopique d'énergie sombre (DESI). Cet instrument enregistre des spectres qui décomposent la lumière d'un objet en longueurs d'onde, permettant ainsi de déterminer sa composition et son mouvement.

Des chercheurs ont analysé plus de 800 000 spectres de haute qualité de quasars obtenus avec DESI. Ces quasars candidats sont situés à des distances de 5 à 6 milliards d'années-lumière, voire plus, de la Terre.

La découverte de systèmes supplémentaires pourrait éclairer la façon dont les galaxies et les trous noirs centraux évoluent ensemble au cours du temps cosmique.

« En étudiant la corrélation étroite entre les galaxies et les trous noirs, nous pourrions être en mesure de comprendre pourquoi notre galaxie est structurée de cette façon, et peut-être pourquoi notre propre trou noir reste parfois dormant », a déclaré McArthur.

Les lentilles simulées ont permis d'entraîner le réseau neuronal.

Le manque de lentilles de quasar connues pose problème aux systèmes d'intelligence artificielle. Les modèles d'apprentissage automatique nécessitent généralement un grand nombre d'exemples d'entraînement.

Les chercheurs ont comblé cette lacune en créant des lentilles simulées réalistes. Ils ont combiné les spectres de quasars réels avec ceux de galaxies plus lointaines.

Ces systèmes simulés ont conservé la diversité et le bruit des observations caractéristiques des données réelles de DESI. Ils ont également permis d'entraîner le modèle à identifier les raies d'émission de la galaxie d'arrière-plan dans le spectre du quasar le plus brillant.

L'équipe a utilisé un réseau neuronal convolutif, un type d'intelligence artificielle conçu pour reconnaître des schémas subtils dans des données complexes.

Contrairement aux approches traditionnelles, qui tentent d'abord de modéliser et de soustraire la lumière du quasar, le réseau neuronal a appris à reconnaître les signaux combinés du quasar au premier plan et de la galaxie en arrière-plan.

« Cette méthode a produit une simulation tellement impressionnante que l'IA a pu reconnaître des différences subtiles entre les quasars normaux et anormaux présentant des caractéristiques uniques », a déclaré McArthur.

« Ceci démontre que notre architecture a été capable d'analyser efficacement un large éventail de spectres de quasars. ».

Le modèle a également estimé le décalage vers le rouge de la galaxie d'arrière-plan potentielle. Le décalage vers le rouge mesure l'étirement de la lumière d'un objet vers les grandes longueurs d'onde dû à l'expansion de l'Univers.

Les tests ont montré que le système d'apprentissage automatique était capable de reconstituer ces décalages vers le rouge avec une plus grande précision que le logiciel DESI standard, sur la base d'observations de qualité variable.

La commission d'experts a réduit la liste à sept éléments.

Après l'entraînement, le système a analysé l'ensemble de la collection de quasars et a identifié plusieurs centaines de correspondances possibles.

Les chercheurs ont ensuite examiné manuellement la liste réduite. Ils ont recherché des signes révélateurs d'une galaxie plus lointaine, en particulier une paire caractéristique de raies d'émission d'oxygène connue sous le nom de doublet [O II].

Des raies supplémentaires d'hydrogène et d'oxygène ont confirmé l'exactitude de plusieurs identifications.

Cette analyse a permis d'identifier sept candidats de grande qualité. Six d'entre eux étaient inédits, et le septième provenait d'une recherche antérieure menée selon une méthode différente.

Quatre candidats présentaient des raies d'émission supplémentaires au-delà du signal principal de l'oxygène, ce qui renforce la conviction que leurs spectres incluaient de la lumière provenant de galaxies d'arrière-plan.

Un cas demeure incertain : une galaxie proche pourrait avoir pénétré dans la région mesurée par DESI. Des images à plus haute résolution seront nécessaires pour déterminer s’il s’agit d’une véritable lentille gravitationnelle ou d’un objet voisin sans lien avec l’observation.

Ces sept systèmes restent des candidats potentiels pour des lentilles gravitationnelles, plutôt que des objets confirmés. L'équipe prévoit d'obtenir une confirmation directe grâce à de puissants instruments spatiaux tels que le télescope spatial Hubble.

La recherche à grande échelle ouvre la voie à des découvertes rares.

L'étude démontre comment l'intelligence artificielle peut aider les astronomes à gérer les vastes quantités de données générées par les observatoires modernes.

DESI contient des données d'observation provenant de millions d'objets astronomiques. Analyser manuellement chaque spectre pour y déceler des anomalies rares serait extrêmement fastidieux.

L'apprentissage automatique peut alléger cette charge en guidant les chercheurs vers la petite fraction d'observations les plus susceptibles de contenir quelque chose d'inhabituel.

Cette approche n'est pas exempte d'erreurs. Le rayonnement atmosphérique, les problèmes d'étalonnage et les particularités des spectres des quasars peuvent imiter les signaux provenant d'une galaxie lointaine.

Les chercheurs ont constaté que l'inspection visuelle et des mesures de contrôle qualité supplémentaires permettent d'éliminer bon nombre de ces faux positifs.

« Ce type d'étude pourrait très bien être étendu afin de détecter un large éventail d'anomalies spectrales rares », a déclaré MacArthur. « Nous vivons à une époque où la science est soudainement devenue plus accessible que jamais, et l'application de l'IA en astronomie et des méthodes d'apprentissage automatique aux grands ensembles de données fait partie intégrante de ce processus. ».

Implications pratiques de l'étude

La confirmation de l'existence des sept candidats augmentera le nombre de systèmes de lentilles gravitationnelles de quasars disponibles pour une étude détaillée.

Un échantillon plus important permettrait aux astronomes de mesurer la masse des galaxies à différentes périodes de l'histoire cosmique. Ces mesures pourraient aider à vérifier dans quelle mesure la croissance des galaxies correspond à l'évolution de leurs trous noirs centraux.

Cette méthode de recherche pourrait également être appliquée aux futurs relevés spectroscopiques comportant des millions d'observations. Plutôt que de remplacer les astronomes, le système les aidera à identifier les objets les plus prometteurs pour une étude plus approfondie et des observations complémentaires.

Son intérêt plus large réside peut-être dans sa capacité à révéler d'autres signaux rares dissimulés dans de vastes ensembles de données. Avec des exemples d'apprentissage appropriés, des modèles similaires pourraient détecter des schémas spectraux inhabituels que les algorithmes de traitement de données classiques ne parviennent pas à déceler.

Pour les candidats actuels, l'étape cruciale suivante consiste à obtenir des images plus nettes. En attendant, sept objets offrent des preuves prometteuses que l'intelligence artificielle peut simplifier la détection de certains des alignements astronomiques les plus rares.

Les résultats de la recherche sont disponibles en ligne dans The Astrophysical Journal.

L'article original, intitulé « Des astronomes utilisent l'IA pour découvrir sept candidats rares pour la lentille d'un quasar », a été publié par The Brighter Side of News.

Articles connexes

• Le premier satellite doté d'une fonction d'autodiagnostic basée sur l'intelligence artificielle a été lancé dans l'espace.

• Ce réservoir sous-marin contient des billions de fois plus d'eau que tous les océans de la Terre réunis.

• Un étage de fusée Falcon 9 de SpaceX devrait s'écraser sur la Lune le 5 août.

Vous aimez les histoires positives comme celle-ci ? Abonnez-vous à Bulletin d'information « Le côté positif de l'actualité » .