in

L'IA réimagine la détection des ondes gravitationnelles avec des conceptions innovantes

L'IA réimagine la détection des ondes gravitationnelles avec des conceptions innovantes

Des événements cosmiques extrêmes tels que les trous noirs en collision ou les explosions des étoiles peuvent provoquer des ondulations dans l'espace-temps, des ondes dites gravitationnelles. Leur découverte a ouvert une nouvelle fenêtre sur l'univers. Pour les observer, des détecteurs ultra-précis sont nécessaires, mais les concevoir reste un défi scientifique majeur pour les humains.

Des chercheurs du Max Planck Institute for the Science of Light (MPL) ont travaillé sur la façon dont un système d'intelligence artificielle pourrait explorer un espace inimaginablement vaste de conceptions possibles pour trouver des solutions entièrement nouvelles. Les résultats ont été récemment publiés dans la revue Revue physique x.

Il y a plus d'un siècle, Einstein a théoriquement prédit les ondes gravitationnelles. Ils ne pouvaient être détectés directement qu'en 2016 car le développement des détecteurs nécessaires était extrêmement complexe.

Le Dr Mario Krenn, chef du groupe de recherche Artificial Scientist Lab à MPL, en collaboration avec l'équipe de LIGO (« interféromètre laser Observatoire gravitationnel »), qui a construit ces détecteurs avec succès, a conçu un algorithme basé sur l'IA appelé « Urania » pour concevoir de nouveaux détecteurs d'ondes gravitationnels interférométriques.

L'interférométrie décrit une méthode de mesure qui utilise l'interférence des ondes, c'est-à-dire leur superposition lorsqu'elles se rencontrent. La conception du détecteur nécessite l'optimisation de la disposition et des paramètres. Les scientifiques ont converti ce défi en un problème d'optimisation continue et l'ont résolu à l'aide de méthodes inspirées de l'apprentissage automatique moderne.

Ils ont trouvé de nombreuses nouvelles conceptions expérimentales qui surpassent les détecteurs de nouvelle génération les plus connus. Ces résultats ont le potentiel d'améliorer la gamme de signaux détectables de plus d'un ordre de grandeur.

Non-conformiste et créatif: c'est ce que Urania a découvert

Dans les solutions de l'algorithme, les chercheurs ont redécouvert de nombreuses techniques connues. Urania a également proposé des conceptions non orthodoxes qui pourraient remodeler notre compréhension de la technologie des détecteurs. « Après environ deux ans de développement et de gestion de nos algorithmes d'IA, nous avons découvert des dizaines de nouvelles solutions qui semblent mieux que les plans expérimentaux par des scientifiques humains. Nous nous sommes demandé ce que les humains ont négligé par rapport à la machine », explique Krenn.

Les chercheurs ont élargi leur approche scientifique pour comprendre les astuces, les idées et les techniques découvertes de l'IA. Beaucoup d'entre eux leur sont encore complètement étrangers. Ils ont compilé 50 conceptions les plus performantes dans un « zoo de détecteur » public et les ont mis à la disposition de la communauté scientifique pour de nouvelles recherches.

Les travaux récemment publiés montrent que l'IA peut découvrir de nouvelles conceptions de détecteurs et inspirer des chercheurs humains à explorer de nouvelles idées expérimentales et théoriques. Plus largement, cela suggère que l'IA pourrait jouer un rôle majeur dans la conception d'outils futurs pour explorer l'univers, de la plus petite à la plus grande échelle.

« Nous sommes à une époque où les machines peuvent découvrir de nouvelles solutions surhumaines en science, et la tâche des humains est de comprendre ce que la machine a fait. Cela deviendra certainement une partie très importante de l'avenir de la science », explique Krenn.

Les roches anciennes révèlent comment l'eau a aidé à façonner le monde

Les roches anciennes révèlent comment l'eau a aidé à façonner le monde

Mapping Change: Des décennies d'images satellites révèlent de nouvelles perspectives sur la mobilité des rivières

Mapping Change: Des décennies d'images satellites révèlent de nouvelles perspectives sur la mobilité des rivières