Astronomie: le "machine learning" pour détecter des filaments de notre Galaxie

Publié par Adrien le 23/01/2023 à 13:00
Source: CNRS INSU
...
La formation des étoiles dans les galaxies se déroule dans des filaments composés de gaz (principalement d'hydrogène) et de petites particules solides appelées poussières interstellaires principalement constituées de carbone. Selon l'endroit où se trouvent ces filaments et selon leurs propriétés physiques (densité, température) ils peuvent être difficiles à détecter dans les données. En particulier les filaments de faible densité (La densité ou densité relative d'un corps est le rapport de sa masse volumique à la...) ou les filaments situés dans des zones de très forte émission ne sont en général pas détectés.

Dans une approche innovante et interdisciplinaire, une équipe dont certains laboratoires CNRS sont impliqués, a testé l'intérêt de l'apprentissage automatique (L'apprentissage automatique (machine-learning en anglais) est une discipline scientifique, qui est...) (machine learning) supervisé afin de tenter de détecter les filaments situés dans le plan de notre Galaxie (Galaxies est une revue française trimestrielle consacrée à la science-fiction. Avec...). Cette approche se fonde sur des résultats existants de détection de filaments à partir de méthode classique d'extraction. Les filaments extraits sont utilisés pour entraîner des réseaux convolutifs de type Unet et Unet++. Le modèle entrainé apprend à reconnaître les filaments et nous permet ensuite de créer une image du plan galactique sur laquelle chaque pixel est représenté par sa probabilité (La probabilité (du latin probabilitas) est une évaluation du caractère probable d'un...) (comprise entre 0 et 1) d'appartenir à la classe "filament" apprise.


Exemple sur une zone du Plan galactique de la synthèse du résultat obtenu.

L'image en haut à gauche montre la zone vue en émission dans le proche infrarouge (bande K, sondage ( Un sondage peut désigner une technique d'exploration locale d'un milieu particulier. Un...) 2MASS). Cette donnée (Dans les technologies de l'information (TI), une donnée est une description élémentaire, souvent...) n'a pas été utilisée pour l'apprentissage (L’apprentissage est l'acquisition de savoir-faire, c'est-à-dire le processus...) mais sert ici pour la validation empirique du résultat obtenu grâce à l'apprentissage supervisé et à la segmentation (De manière générale, le mot segmentation désigne l'action de segmenter, le fait de se segmenter...) (image en bas à gauche). Cette image montre la carte de probabilité, pour un pixel, d'appartenir à la classe "filament", structure que nous cherchions à identifier à partir de l'apprentissage.

L'image en haut à droite montre les données utilisées pour cette étude, montrant la distribution de la densité de colonne (quantité de matière sur la ligne de visée) obtenue grâce aux données du satellite (Satellite peut faire référence à :) infrarouge spatial Herschel. Les carrés noirs montrent les zones saturées sur lesquelles l'information physique (La physique (du grec φυσις, la nature) est étymologiquement la...) ne peut pas être obtenue.

L'image en bas à droite montre les filaments connus avant notre étude, dont les structures ont été utilisées comme masques pour l'apprentissage supervisé à l'aide des réseaux convolutifs Unet et Unet++.

© Zavagno & al. A&A

Les résultats de l'approche par apprentissage montrent que cette méthode permet de détecter des filaments qui n'étaient pas identifiés jusqu'alors par les méthodes de détection habituellement utilisées. De nouveaux filaments sont détectés et peuvent être confirmés grâce à une approche empirique utilisant des données disponibles à d'autres longueurs d'onde qui, pour l'instant, ne sont pas utilisées dans l'apprentissage. Le but de ce projet (Un projet est un engagement irréversible de résultat incertain, non reproductible a...) intitulé BigSF et financé par la mission pour les initiatives transverses et interdisciplinaires (MITI) du CNRS est d'étudier la formation des étoiles dans notre Galaxie (Une galaxie est, en cosmologie, un assemblage d'étoiles, de gaz, de poussières et de...) en alliant la grande masse (Le terme masse est utilisé pour désigner deux grandeurs attachées à un...) de données disponibles et l'apprentissage automatique (L'automatique fait partie des sciences de l'ingénieur. Cette discipline traite de la...).

Pour en savoir plus:
A. Zavagno et al. A&A.2023 Supervised machine learning on Galactic filaments Revealing the filamentary structure of the Galactic interstellar medium.
Cet article vous a plu ? Vous souhaitez nous soutenir ? Partagez-le sur les réseaux sociaux avec vos amis et/ou commentez-le, ceci nous encouragera à publier davantage de sujets similaires !
Page générée en 0.208 seconde(s) - site hébergé chez Contabo
Ce site fait l'objet d'une déclaration à la CNIL sous le numéro de dossier 1037632
A propos - Informations légales | Partenaire: HD-Numérique