Les astronomes peuvent faire toute leur carrière sans trouver un nouvel objet dans le ciel. Mais pour Lina Necib, un post-doctorant en physique théorique à Caltech, la découverte d'un amas d'étoiles dans la Voie lactée, mais pas né de la Voie Lactée, est arrivé tôt - avec un peu d'aide de supercalculateurs, l'observatoire spatial Gaia, et de nouvelles méthodes d'apprentissage en profondeur.

Écrire dans Astronomie de la nature cette semaine, Necib et ses collaborateurs décrivent Nyx, un vaste nouveau flux stellaire au voisinage du Soleil, cela peut fournir la première indication qu'une galaxie naine a fusionné avec le disque de la Voie lactée. On pense que ces flux stellaires sont des amas globulaires ou des galaxies naines qui ont été étirés le long de son orbite par les forces de marée avant d'être complètement perturbés.

La découverte de Nyx a pris un chemin détourné, mais qui reflète la manière multiforme dont l'astronomie et l'astrophysique sont étudiées aujourd'hui.

FEU dans le Cosmos

Necib étudie la cinématique - ou les mouvements - des étoiles et de la matière noire dans la Voie lactée. "S'il y a des touffes d'étoiles qui se déplacent ensemble d'une manière particulière, cela nous dit généralement qu'il y a une raison pour laquelle ils déménagent ensemble."

Depuis 2014, chercheurs du Caltech, Université du nord-ouest, UC San Diego et UC Berkeley, entre autres établissements, ont développé des simulations très détaillées de galaxies réalistes dans le cadre d'un projet appelé FIRE (Feedback In Realistic Environments). Ces simulations incluent tout ce que les scientifiques savent sur la formation et l'évolution des galaxies. A partir de l'équivalent virtuel du commencement des temps, les simulations produisent des galaxies qui ressemblent et agissent comme les nôtres.

Cartographier la Voie Lactée

Parallèlement au projet FIRE, l'observatoire spatial Gaia a été lancé en 2013 par l'Agence spatiale européenne. Son objectif est de créer une carte tridimensionnelle extraordinairement précise d'environ un milliard d'étoiles dans toute la galaxie de la Voie lactée et au-delà.

"C'est la plus grande étude cinématique à ce jour. L'observatoire fournit les mouvements d'un milliard d'étoiles, " expliqua-t-elle. " Un sous-ensemble de celui-ci, sept millions d'étoiles, avoir des vitesses 3-D, ce qui signifie que nous pouvons savoir exactement où se trouve une étoile et son mouvement. Nous sommes passés de très petits ensembles de données à des analyses massives que nous ne pouvions pas faire auparavant pour comprendre la structure de la Voie lactée."

La découverte de Nyx impliquait de combiner ces deux grands projets d'astrophysique et de les analyser à l'aide de méthodes d'apprentissage en profondeur.

Parmi les questions posées à la fois par les simulations et le relevé du ciel, il y a :Comment la Voie lactée est-elle devenue ce qu'elle est aujourd'hui ?

"Les galaxies se forment en avalant d'autres galaxies, " a déclaré Necib. "Nous avons supposé que la Voie lactée avait une histoire de fusion tranquille, et pendant un moment, c'était inquiétant à quel point c'était calme parce que nos simulations montrent beaucoup de fusions. Maintenant, avec accès à beaucoup de petites structures, nous comprenons que ce n'était pas aussi calme qu'il y paraissait. C'est très puissant d'avoir tous ces outils, données et simulations. Tous doivent être utilisés à la fois pour démêler ce problème. Nous n'en sommes qu'aux premiers stades pour vraiment comprendre la formation de la Voie lactée."

Application du Deep Learning à Gaia

Une carte d'un milliard d'étoiles est une bénédiction mitigée :tant d'informations, mais presque impossible à analyser par la perception humaine.

"Avant, les astronomes ont dû faire beaucoup de recherches et de tracés, et peut-être utiliser des algorithmes de clustering. Mais ce n'est plus vraiment possible, " a déclaré Necib. "Nous ne pouvons pas regarder sept millions d'étoiles et comprendre ce qu'elles font. Ce que nous avons fait dans cette série de projets, c'est d'utiliser les catalogues fictifs Gaia."

Le faux catalogue Gaia, développé par Robyn Sanderson (Université de Pennsylvanie), essentiellement demandé :« Si les simulations FIRE étaient réelles et observées avec Gaia, que verrions-nous ?

Collaborateur de Necib, Bryan Ostdiek (anciennement à l'Université de l'Oregon, et maintenant à l'Université Harvard), qui avait déjà participé au projet Large Hadron Collider (LHC), avait de l'expérience dans le traitement d'énormes ensembles de données à l'aide de l'apprentissage automatique et de l'apprentissage en profondeur. Le transfert de ces méthodes à l'astrophysique a ouvert la porte à une nouvelle façon d'explorer le cosmos.

« Au LHC, nous avons des simulations incroyables, mais nous craignons que les machines entraînées sur eux puissent apprendre la simulation et non la vraie physique, " dit Ostdiek. " De la même manière, les galaxies FEU fournissent un environnement merveilleux pour entraîner nos modèles, mais ils ne sont pas la Voie Lactée. Nous avons dû apprendre non seulement ce qui pourrait nous aider à identifier les étoiles intéressantes en simulation, mais aussi comment faire en sorte que cela se généralise à notre vraie galaxie."

L'équipe a développé une méthode pour suivre les mouvements de chaque étoile dans les galaxies virtuelles et étiqueter les étoiles comme étant soit nées dans la galaxie hôte, soit accrétées en tant que produits de fusions de galaxies. Les deux types d'étoiles ont des signatures différentes, bien que les différences soient souvent subtiles. Ces étiquettes ont été utilisées pour former le modèle d'apprentissage profond, qui a ensuite été testé sur d'autres simulations FIRE.

Après avoir construit le catalogue, ils l'ont appliqué aux données Gaia. "Nous avons demandé au réseau de neurones, 'D'après ce que vous avez appris, pouvez-vous indiquer si les étoiles ont été accumulées ou non?'", a déclaré Necib.

Le modèle a évalué à quel point il était confiant qu'une étoile est née en dehors de la Voie lactée sur une plage de 0 à 1. L'équipe a créé une limite avec une tolérance à l'erreur et a commencé à explorer les résultats.

Cette approche consistant à appliquer un modèle formé sur un ensemble de données et à l'appliquer à un autre mais connexe est appelée apprentissage par transfert et peut être semée d'embûches. "Nous devions nous assurer que nous n'apprenions pas de choses artificielles sur la simulation, mais vraiment ce qui se passe dans les données, " dit Necib. " Pour cela, nous avons dû lui donner un petit coup de pouce et lui dire de peser à nouveau certains éléments connus pour lui donner un peu d'ancrage."

Ils ont d'abord vérifié s'il pouvait identifier des caractéristiques connues de la galaxie. Il s'agit notamment de "la saucisse Gaia", les restes d'une galaxie naine qui a fusionné avec la Voie lactée il y a environ six à dix milliards d'années et qui a une forme orbitale distinctive semblable à une saucisse.

« Il a une signature très spécifique, " expliqua-t-elle. " Si le réseau de neurones fonctionnait comme il est censé le faire, nous devrions voir cette énorme structure dont nous savons déjà qu'elle est là."

La saucisse Gaia était là, tout comme le halo stellaire - les étoiles d'arrière-plan qui donnent à la Voie lactée sa forme révélatrice - et le ruisseau Helmi, une autre galaxie naine connue qui a fusionné avec la Voie lactée dans un passé lointain et a été découverte en 1999.

Première observation :Nyx

Le modèle a identifié une autre structure dans l'analyse :un amas de 250 étoiles, tournant avec le disque de la Voie Lactée, mais aussi en allant vers le centre de la galaxie.

"Votre premier instinct est que vous avez un bug, " raconta Necib. " Et tu te dis, 'Oh non!' Donc, Je n'en ai parlé à aucun de mes collaborateurs pendant trois semaines. Puis j'ai commencé à réaliser que ce n'était pas un bug, c'est en fait réel et c'est nouveau."

Mais s'il avait déjà été découvert ? "Vous commencez à parcourir la littérature, en m'assurant que personne ne l'a vu et heureusement pour moi, personne n'avait. Alors je dois le nommer, qui est la chose la plus excitante en astrophysique. Je l'ai appelé Nyx, la déesse grecque de la nuit. Cette structure particulière est très intéressante car elle aurait été très difficile à voir sans l'apprentissage automatique."

Le projet a nécessité une informatique avancée à de nombreuses étapes différentes. Les simulations FIRE et FIRE-2 mises à jour sont parmi les plus grands modèles informatiques de galaxies jamais tentés. Chacune des neuf simulations principales—trois formations galactiques distinctes, chacun avec un point de départ légèrement différent pour le soleil - il a fallu des mois pour calculer sur le plus grand, supercalculateurs les plus rapides du monde. Il s'agit notamment de Blue Waters au National Center for Supercomputing Applications (NCSA), Les installations informatiques haut de gamme de la NASA, et plus récemment Stampede2 au Texas Advanced Computing Center (TACC).

Les chercheurs ont utilisé des clusters à l'Université de l'Oregon pour former le modèle d'apprentissage en profondeur et l'appliquer à l'ensemble de données Gaia. Ils utilisent actuellement Frontera, le système le plus rapide de toutes les universités au monde, de continuer le travail.

« Tout dans ce projet est très intensif en calcul et ne pourrait pas se produire sans le calcul à grande échelle, " dit Necib.

Étapes futures

Necib et son équipe prévoient d'explorer plus avant Nyx à l'aide de télescopes au sol. Cela fournira des informations sur la composition chimique du flux, et d'autres détails qui les aideront à dater l'arrivée de Nyx dans la Voie lactée, et peut-être fournir des indices sur son origine.

La prochaine publication des données de Gaia en 2021 contiendra des informations supplémentaires sur 100 millions d'étoiles dans le catalogue, faire plus de découvertes d'amas accrétés probables.

"Quand la mission Gaia a commencé, les astronomes savaient que c'était l'un des plus grands ensembles de données qu'ils allaient obtenir, avec beaucoup de raisons d'être excité, " a déclaré Necib. "Mais nous devions faire évoluer nos techniques pour nous adapter à l'ensemble de données. Si nous n'avons pas modifié ou mis à jour nos méthodes, nous passerions à côté de la physique qui se trouve dans notre ensemble de données."

Les succès de l'approche de l'équipe Caltech peuvent avoir un impact encore plus grand. "Nous développons des outils informatiques qui seront disponibles pour de nombreux domaines de recherche et pour des choses non liées à la recherche, trop, " dit-elle. " C'est ainsi que nous repoussons la frontière technologique en général. "