Comment l’intelligence artificielle (IA) peut-elle aider les astronomes à identifier les objets célestes dans le ciel nocturne ? C'est ce que révèle une récente étude publiée dans Astronomie naturelle espère aborder alors qu'une équipe internationale de chercheurs étudiait le potentiel d'utilisation de l'IA pour mener des études astrophysiques d'événements célestes, notamment des trous noirs consommant des étoiles ou même des étoiles qui explosent elles-mêmes. Cette étude a le potentiel d’aider les astronomes à utiliser l’IA pour améliorer le domaine en réduisant le temps et les ressources traditionnellement utilisés pour scanner le ciel nocturne.
Pour l'étude, les chercheurs ont testé le grand modèle linguistique (LLM) de Google, Gemini, sur trois ensembles de données du ciel nocturne : Panoramic Survey Telescope and Rapid Response System (Pan-STARRS), MeerLICHT (néerlandais pour « plus de lumière ») et Asteroid Terrestrial-impact Last Alert System (ATLAS). L'objectif était de déterminer si les LLM pouvaient atteindre le même niveau de précision et d'efficacité que les ensembles de données répertoriés ci-dessus tout en présentant à Gemini trois ensembles d'images.
Les chercheurs ont utilisé des invites spécifiques pour Gemini pour analyser 15 exemples avec des instructions pour les classer comme « Aucun intérêt », « Faible intérêt » et « Intérêt élevé » pour les artefacts célestes, les étoiles variables et les événements explosifs, respectivement, avec le référentiel complet d'exemples, d'invites et d'instructions téléchargés sur GitHub. Les chercheurs ont ensuite mené une analyse de suivi six mois plus tard, Gemini ayant été mis à jour avec de nouveaux algorithmes. En fin de compte, les chercheurs ont constaté que Gemini avait atteint une précision pour ATLAS, MeerLICHT et Pan-STARRS de 91,9 %, 93,4 % et 94,1 %, respectivement.
« Je travaille sur ce problème du traitement rapide des données provenant des relevés du ciel depuis plus de 10 ans, et nous sommes constamment confrontés à la nécessité d'éliminer les événements réels des faux signaux lors du traitement des données », a déclaré le Dr Stephen Smartt, professeur d'astrophysique à l'Université d'Oxford et co-auteur de l'étude.
« Nous avons passé des années à former des modèles d'apprentissage automatique et des réseaux neuronaux pour effectuer la reconnaissance d'images. Cependant, la précision du LLM dans la reconnaissance des sources avec un minimum de conseils plutôt qu'une formation spécifique à une tâche était remarquable. Si nous parvenons à développer cela à grande échelle, cela pourrait changer totalement la donne dans le domaine, un autre exemple d'IA permettant la découverte scientifique. «
Cette étude intervient alors que l’IA contribue rapidement à l’astronomie et à la science planétaire à travers une myriade d’applications, notamment la détection d’exoplanètes, l’analyse des surfaces planétaires et des ensembles de données astronomiques, l’identification des supernovae, des sursauts radio rapides, des sursauts gamma et des ondes gravitationnelles, la science citoyenne, la modélisation théorique et le fonctionnement des télescopes.
Un exemple de la façon dont l’IA est utilisée pour l’astronomie comprend la découverte de Kepler-90i, située à environ 2 767 années-lumière de la Terre et qui est la huitième planète découverte dans ce système. Alors que Kepler-90i est désignée comme une super-Terre avec une masse d'environ 2,3 fois la masse de la Terre, la température de sa surface rocheuse est beaucoup trop chaude pour accueillir la vie telle que nous la connaissons. De plus, toutes les planètes du système Kepler-90 orbitent à l’intérieur de la zone habitable de son étoile, ce qui signifie qu’elles ont probablement toutes des surfaces ou des atmosphères trop chaudes pour supporter la vie telle que nous la connaissons. Un exemple de la façon dont l’IA est utilisée pour la science planétaire comprend l’étude des tremblements de terre sur Mars et de la manière dont les ondes sismiques traversent l’intérieur de Mars de manière très différente de ce que l’on pensait auparavant.
Les futures applications de l'IA en astronomie et en sciences planétaires incluent les prévisions météorologiques spatiales, les robots autonomes sur la Lune et sur Mars, et même l'utilisation de l'IA lors de futures missions avec équipage sur la Lune et sur Mars pour aider les astronautes à prendre des décisions plus éclairées. Par conséquent, cette étude récente démontre non seulement les applications croissantes de l’IA pour l’astronomie et la science planétaire, mais démontre également comment les non-scientifiques peuvent utiliser des outils en ligne gratuits comme Gemini pour réaliser des sciences révolutionnaires.
