Le SKA aura plus de 2000 antennes paraboliques et 2 millions d'antennes basse fréquence une fois terminé. Crédit : The Square Kilometer Array
Lors de la cartographie de l'univers, c'est payant d'avoir une programmation intelligente. Des experts expliquent comment l'apprentissage automatique change l'avenir de l'astronomie.
L'astronomie est l'une des sciences les plus anciennes et la première science à intégrer les mathématiques et la géométrie. Il est au centre de la recherche de l'humanité pour sa place dans l'univers.
Alors que nous approfondissons l'espace entourant notre planète, les outils que nous utilisons deviennent plus complexes. Les astronomes ont parcouru un long chemin depuis le suivi du ciel nocturne à l'œil nu ou le catalogage des étoiles avec un stylo et du papier.
Les astronomes modernes utilisent des techniques de programmation informatique avancées dans leur travail, de la programmation de satellites à l'enseignement des ordinateurs pour analyser les données comme un chercheur.
Alors, que font les astronomes avec leurs ordinateurs ?
Mo' données, mo' problèmes
Les mégadonnées sont un gros problème en astronomie. La prochaine génération de radiotélescopes et de télescopes optiques sera capable de cartographier d'énormes morceaux du ciel nocturne. Le Square Kilometer Array (SKA) poussera le traitement des données à ses limites.
Construit en deux phases, le SKA aura plus de 2000 antennes paraboliques et 2 millions d'antennes basse fréquence une fois terminé. Ces antennes combinées produiront plus d'un exaoctet de données chaque jour, soit plus que l'utilisation d'Internet dans le monde par jour. Les données sont ensuite traitées pour être rendues gérables, ce qui signifie que la taille des données que les astronomes doivent traiter sera plus petite.
Le scientifique du projet pour le SKA Pathfinder australien, le Dr Aidan Hotan explique.
"Les données d'un réseau de radiotélescopes ressemblent beaucoup au flux d'eau à travers un écosystème. Les antennes individuelles produisent chacune des données, qui est ensuite transmis sur une certaine distance et combiné avec d'autres antennes à divers stades, comme de plus petits affluents se combinant dans une plus grande rivière, " dit Aidan.
"Le plus grand débit de données que vous pouvez considérer est la sortie brute totale de chaque antenne individuelle, mais en réalité, nous réduisons ce taux total à des nombres plus gérables au fur et à mesure que nous circulons dans le système. Nous pouvons combiner les signaux de manière à ne conserver que les informations que nous voulons ou que nous pouvons utiliser. »
Alors que le SKA sera le plus grand projet du genre, de nombreux télescopes modernes sont capables de collecter des données plus rapidement que les humains ne peuvent les utiliser.
Le Dr Gemma Anderson a programmé des radiotélescopes australiens pour surveiller automatiquement les explosions dans l'espace. Crédit :NASA
Comment trouver une explosion
Le SKA sera un outil révolutionnaire pour les astronomes une fois terminé. Déjà, les astronomes préparent leur travail pour la première phase du SKA. Pour faire ça, ils cherchent des moyens de rendre leur travail plus rapide et plus facile en automatisant l'enregistrement et le traitement des données.
Alors, quel genre de travail les astronomes peuvent-ils automatiser ?
La Dre Gemma Anderson est associée de recherche au Centre international de recherche en radioastronomie de Perth. Là, elle a programmé des radiotélescopes australiens pour surveiller automatiquement les explosions dans l'espace.
"Nous avons un télescope dans l'espace conçu pour rechercher des explosions. Le télescope spatial renvoie des informations à la Terre, et j'ai installé deux des grands radiotélescopes australiens pour recevoir ce signal. Quand ils reçoivent le signal, ces télescopes arrêtent ce qu'ils font et essaient d'observer l'explosion le plus rapidement possible, " dit Gemma.
Gemma utilise l'observatoire Swift, en orbite autour de la Terre, pour trouver des sursauts gamma dans l'espace. Les sursauts sont de courte durée, sous-produit incroyablement énergétique des étoiles mourantes.
Gemma et son équipe ont programmé le Murchison Widefield Array et le Australia Telescope Compact Array d'Australie pour recevoir des alertes de Swift et indiquer la source du sursaut gamma.
Autrefois, des données de télescope comme celle-ci étaient suffisamment petites pour que les astronomes puissent travailler par eux-mêmes. Maintenant, Gemma utilise un logiciel qui automatise une grande partie de ce processus.
Le traitement des données est une tâche si importante qu'elle doit être effectuée sur des superordinateurs. Les superordinateurs sont des ordinateurs puissants qui peuvent souvent traiter de grandes quantités de données en quelques heures au lieu des mois ou des années qu'il faudrait pour un ordinateur portable standard. Le produit final est une image que Gemma peut utiliser pour la recherche sans avoir besoin de traiter elle-même les données.
"Pour les personnes intéressées à devenir astronome, il est très important d'acquérir de l'expérience en programmation informatique. Nous devons devenir plus compétents dans le traitement et l'analyse de grandes quantités de données, " dit Gemma.
Scolariser un robot
Le Dr Rebecca Lange du Curtin Institute for Computation and Astronomy Data and Computing Services aide les astronomes à améliorer leurs techniques de programmation informatique en leur fournissant une formation.
Une galaxie spirale proche connue sous le nom de NGC 1433. Crédit :ESA/HUBBLE &NASA
"Je pense que les astronomes devront commencer à travailler davantage avec des ingénieurs logiciels. Dans le laps de temps intermédiaire, bien que, les astronomes deviendront meilleurs en informatique. Des choses comme la programmation doivent faire partie de la formation. Non seulement pour les astronomes, c'est important pour quiconque fait de la science maintenant, " dit Rébecca.
L'apprentissage automatique fait partie des techniques auxquelles Rebecca forme les astronomes. Ne t'inquiète pas, ce n'est pas le genre d'apprentissage qui mène à un soulèvement de robots.
« L'utilisation de l'apprentissage automatique implique généralement une recherche automatisée dans un énorme fichier image, à la recherche de ce que nous appelons des sources, les objets dans l'espace qui émettent des signaux radio naturels. Ces sources apparaissent sous forme de points lumineux sur un fond sombre, " dit Aidan.
"Comme la plupart de l'espace est vide, L'utilisation d'un chercheur de source intelligent permet aux scientifiques de déterminer plus facilement où se trouvent les éléments intéressants. Cependant, ce chercheur de source doit être suffisamment intelligent pour classer un grand nombre de types d'objets différents, including things that human eyes have never before seen."
One source might be a galaxy that is spiral shaped, while another might be elliptical. The machine-learning program learns to sort similar images into those labels through a series of steps. These steps are a basic emulation of how human brains recognise patterns. Getting computers to do this gives astronomers useful information out of raw data.
"Machine learning is getting picked up because we now have the amount of data needed. When you're doing supervised learning, you need a lot of data to train on. If you look at galaxy classification, we have done so many already that we have a great training sample for machine learning, " Rebecca says.
She thinks automation and machine learning will give astronomers more time to focus on their science rather than analysing their data. She also says designing these programs will be the job given to next-generation astronomers in their early career.
"Astronomers are still getting used to machine learning. They're still experimenting:what algorithm works best, what kind of machine learning techniques are most useful to apply, " elle dit.
"À l'heure actuelle, it's a great entry point for Ph.D. students to develop code. The industry needs it, and it saves them having to sort the data themselves."
They will reach deeper into the universe and find old galaxies from the beginning of time. They will map hidden worlds, distant suns and the strangest, most destructive forces in existence. Perhaps they will even find new life.
These computer programs will work like a funnel. They will sort through massive amounts of raw data to find astronomers valuable information. A long way from our analogue past, computers are helping us uncover the secrets of our universe—perhaps even, un jour, understanding of our place within it.
Cet article a été publié pour la première fois sur Particle, un site d'actualité scientifique basé à Scitech, Perth, Australie. Lire l'article original.
