811 objets astronomiques découverts dans les archives de Hubble, avec du machine learning

Les galaxies en collision, les lentilles gravitationnelles, les galaxies à anneau ou encore les galaxies méduses sont de rares objets astronomiques parfois même appelés des « anomalies astrophysiques ». Souvent, ils permettent de plonger dans l'étude plus fine de phénomènes astronomiques.

Mais comme ils sont rares, c'est difficile de les trouver dans les millions d'images d'observations. Jusque-là, les chercheurs le faisaient soit en cherchant de leurs propres yeux des morphologies inhabituelles dans les données, soit en tombant par hasard, soit en lançant des projets de science citoyenne comme le Galaxy Zoo.

La difficulté de trouver des objets rares dans des millions d'images

Si le machine learning peut maintenant facilement permettre de retrouver des formes dans des images, la difficulté ici est de le faire sur des objets dont on a très peu d'exemples. « De par leur nature, les anomalies sont rares et difficiles à détecter. Il est donc difficile d'appliquer les techniques d'apprentissage automatique couramment utilisées, telles que les réseaux neuronaux convolutifs supervisés, en raison du nombre limité de données d'entraînement », expliquent les chercheurs de l'ESA Pablo Gómez, David O’Ryan dans leur article détaillant leurs travaux publié dans la revue Astronomy & Astrophysics.

« Les échantillons contenant l'anomalie recherchée sont souvent petits, et il est difficile d'entraîner des modèles à partir de données d'entraînement limitées pour un espace de recherche très déséquilibré contenant principalement des données "sans intérêt" », ajoutent-ils.

Il reste 72% de l'article à découvrir.

Déjà abonné ? Se connecter

Soutenez un journalisme indépendant,
libre de ton, sans pub et sans reproche.

Accédez en illimité aux articles

Profitez d'un média expert et unique

Intégrez la communauté et prenez part aux débats

Partagez des articles premium à vos contacts

Abonnez-vous