High school student uses AI to reveal 1.5 million previously unknown objects in space
TRADUIT ET COMMENTE PAR R.O.HARTMANSHENN
Un lycéen utilise l'IA pour révéler 1,5 million d'objets spatiaux jusqu'alors inconnus
Par Ann Motrunich, California Institute of Technology
Matteo Paz avec Thomas F. Rosenbaum, président de Caltech. Crédit : California Institute of Technology
Grâce à ses recherches à Caltech, un lycéen local a révélé 1,5 million d'objets spatiaux jusqu'alors inconnus, élargissant le potentiel d'une mission de la NASA et publiant un article à auteur unique.
L'article de Matteo (Matthew) Paz, publié dans The Astronomical Journal, décrit un nouvel algorithme d'IA qu'il a développé et qui a conduit à ces découvertes. Ce dernier peut être adapté par d'autres astronomes et astrophysiciens pour leurs propres recherches.
Matteo Paz a souhaité approfondir ses connaissances en astronomie depuis que sa mère l'a emmené assister à des conférences publiques sur l'observation des étoiles à Caltech, alors qu'il était à l'école primaire. À l'été 2022, il est venu sur le campus pour étudier l'astronomie et les sciences informatiques associées à la Caltech Planet Finder Academy, dirigée par le professeur d'astronomie Andrew Howard.
Davy Kirkpatrick, astronome et scientifique principal à l'IPAC, a été le mentor de Paz.
« J'ai eu beaucoup de chance de rencontrer Davy », confie Paz. « Je me souviens que le premier jour où je lui ai parlé, je lui ai dit que j'envisageais de travailler sur un article pour en sortir, ce qui représente un objectif bien plus ambitieux que six semaines. Il ne m'a pas découragé. Il m'a dit : "OK, parlons-en." Il m'a permis de vivre une expérience d'apprentissage sans limites. Je pense que c'est grâce à cela que j'ai autant progressé en tant que scientifique. »
Kirkpatrick a grandi dans une communauté agricole du Tennessee et a réalisé son rêve de devenir astronome grâce à l'aide de Marilyn Morrison, son professeur de chimie et de physique en troisième. Elle lui a dit, ainsi qu'à sa mère, qu'il avait du potentiel et lui a expliqué les cours qu'il devrait suivre pour se préparer à l'université.
« Je voulais transmettre ce même type de mentorat à quelqu'un d'autre, et j'espère à beaucoup d'autres », confie Kirkpatrick. Si je vois leur potentiel, je veux m'assurer qu'ils l'exploitent pleinement. Je ferai tout mon possible pour les aider.
Kirkpatrick souhaitait également approfondir ses connaissances grâce à NEOWISE (Near-Earth Object Wide-field Infrared Survey Explorer), un télescope infrarouge aujourd'hui hors service qui avait scruté le ciel entier à la recherche d'astéroïdes et d'autres objets proches de la Terre pendant plus de dix ans.
Pendant que le télescope de la NASA observait les astéroïdes, il détectait également les variations de chaleur d'autres objets cosmiques plus lointains, dont l'intensité, les pulsations ou la luminosité diminuaient lors de leur éclipse. Les astronomes appellent ces objets variables des phénomènes difficiles à observer, comme les quasars, les étoiles qui explosent et les étoiles appariées qui s'éclipsent.
Mais les données sur ces objets variables n'étaient pas encore exploitées.
Mais les données sur ces objets variables n'étaient pas encore exploitées. Si l'équipe NEOWISE parvenait à identifier ces objets et à les mettre à la disposition de la communauté astronomique, le catalogue ainsi créé pourrait fournir un aperçu de l'évolution des entités cosmiques au fil des ans.
« À ce stade, nous approchions des 200 milliards de lignes dans le tableau pour chaque détection effectuée sur plus de dix ans », explique Kirkpatrick. « Mon idée pour l'été était donc de prélever un petit morceau de ciel et de voir si nous pouvions trouver des étoiles variables. Nous pourrions ensuite les présenter à la communauté astronomique en disant : "Voici de nouvelles découvertes manuelles ; imaginez le potentiel de cet ensemble de données." »
Découvrez les dernières nouveautés scientifiques, technologiques et spatiales avec plus de 100 000 abonnés qui comptent sur Phys.org pour des informations quotidiennes. Inscrivez-vous à notre newsletter gratuite et recevez des informations sur les avancées, les innovations et les recherches importantes, chaque jour ou chaque semaine.
Courriel
Paz n'avait aucune intention de trier les données manuellement. Ses études l'avaient préparé à aborder le défi sous un angle nouveau. Il s'était intéressé à l'IA lors d'un cours optionnel intégrant codage, informatique théorique et mathématiques formelles.
Paz savait que l'IA s'entraîne mieux sur des ensembles de données vastes et ordonnés comme celui que Kirkpatrick lui avait donné. Et Paz possédait les connaissances mathématiques avancées nécessaires pour apprécier la programmation : il étudiait déjà les mathématiques avancées de premier cycle à l'Académie de mathématiques du district scolaire unifié de Pasadena, où les élèves terminent le cours de calcul différentiel et intégral AP en quatrième.
Paz s'est donc lancé dans le développement d'une technique d'apprentissage automatique pour analyser l'ensemble des données et identifier les objets variables potentiels. Durant ces six semaines, il a commencé à élaborer le modèle d'IA, qui s'est révélé prometteur. Tout en travaillant, il a consulté Kirkpatrick pour se familiariser avec les aspects astronomiques et astrophysiques pertinents.
Le pipeline d'extraction d'anomalies. Crédit : The Astronomical Journal (2024). DOI : 10.3847/1538-3881/ad7fe6
« Chaque réunion avec Davy représente 10 % de travail et 90 % de discussions », explique Paz. « C’était vraiment génial d’avoir quelqu’un avec qui parler de science comme ça.»
Kirkpatrick a également mis Paz en contact avec les astronomes de Caltech, Shoubaneh Hemmati, Daniel Masters, Ashish Mahabal et Matthew Graham, qui ont partagé leur expertise en techniques d’apprentissage automatique pour l’astronomie et dans l’étude des objets qui varient sur des échelles de temps courtes et longues. Paz et Kirkpatrick ont appris que le rythme particulier des observations de NEOWISE empêchait la détection et la classification systématiques de nombreux objets qui, soit s’affichaient rapidement, soit évoluaient progressivement sur une longue période.
Aujourd'hui, Paz a perfectionné le modèle d'IA pour traiter toutes les données brutes des observations de NEOWISE et en a analysé les résultats. Entraînés à détecter d'infimes différences dans les mesures infrarouges du télescope, les algorithmes ont identifié et classé 1,5 million de nouveaux objets potentiels dans les données. En 2025, Paz et Kirkpatrick prévoient de publier le catalogue complet des objets dont la luminosité variait considérablement dans les données de NEOWISE.
« Le modèle que j'ai mis en œuvre peut être utilisé pour d'autres études du domaine temporel en astronomie, et potentiellement pour tout ce qui se présente sous une forme temporelle », explique Paz. « J'y vois un intérêt pour l'analyse des graphiques (boursiers), où les informations sont également présentées sous forme de séries chronologiques et où les composantes périodiques peuvent être cruciales. On pourrait également étudier les effets atmosphériques tels que la pollution, où les saisons et les cycles jour-nuit jouent un rôle crucial.»
Alors qu'il termine ses études secondaires, Paz travaille actuellement à Caltech. Il travaille pour Kirkpatrick à l'IPAC, qui gère, traite, archive et analyse les données de NEOWISE et de plusieurs autres missions spatiales soutenues par la NASA et la NSF. C'est la première fois que Paz le fait
XXXXXXXXXXXXXXX
RESUME
Un lycéen utilise l'IA pour révéler 1,5 million d'objets spatiaux jusqu'alors inconnus.
Grâce à ses recherches à Caltech, un lycéen local a révélé 1,5 million d'objets spatiaux jusqu'alors inconnus, élargissant ainsi le potentiel d'une mission de la NASA et publiant un article à auteur un
XXXXXXXXXXXXXXXX
COMMENTAIRES
Voilà un article où un journalte pose un jugement extremement favorable à l ' IA ...
l 'I A sait trés bien comiler et restrucyurer un grad ensemble de données et en tirer une staistique précise et ce que je nomme les ''peites surprises mystérieuses'' ....
Pourtquoi pas alors l 'appliquer a la relecture critique des données astronomiques ???
XXXXXXXXXXXXXX
More information: Matthew Paz, A Submillisecond Fourier and Wavelet-based Model to Extract Variable Candidates from the NEOWISE Single-exposure Database, The Astronomical Journal (2024). DOI: 10.3847/1538-3881/ad7fe6
Journal information: Astronomical Journal
Provided by California Institute of Technology
Explore further
Aucun commentaire:
Enregistrer un commentaire