Aller au menu Aller au contenu
Donner vie aux connaissances scientifiques
Grenoble INP Institut d'ingénierie et de management

Grenoble Institute of Engineering and Management
Donner vie aux connaissances scientifiques
Donner vie aux connaissances scientifiques

> Recherche et valorisation > Du côté des labos

Les pépinières d’étoiles révèlent leurs mystères

Publié le 12 janvier 2021
A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In

Grâce à l’intelligence artificielle, les astrophysiciens ont réussi à éclairer l’un des nombreux secrets de l’univers : la naissance des étoiles.

nebuleuse

nebuleuse

Comment naissent les étoiles ? A cette question, les astrophysiciens avaient jusqu’à présent beaucoup de mal à répondre. Et pour cause, l’hydrogène qui constitue les étoiles n’est pas directement détectable sous sa forme moléculaire aux températures très basses qui règnent dans les « pépinières d’étoiles », ces nuages de gaz où naissent et grandissent les étoiles.
Mais des experts en traitement du signal et des images ont récemment uni leurs forces dans le cadre du programme ORION-B (du nom d’un de ces fameux nuages) pour mettre au point de nouvelles techniques qui, grâce à l’intelligence artificielle, permettent de lever en partie le voile sur ces mystères de l’Univers.

Si l’hydrogène ne peut pas être détecté, les nuages moléculaires contiennent d’autres traceurs comme la poussière et d’autres molécules présentes en quantités infimes. Ainsi, le CO est présent à raison d’une molécule pour 10000 molécules d’hydrogène, et le mélange est imparfait. Seul, il n’est donc pas de grande utilité. Combiné à d’autres molécules il permet d’avoir une idée de la quantité d’hydrogène présente. Mais les physiciens se heurtent alors à la complexité des mécanismes physiques et chimiques reliant les molécules entre elles.

nebuleusee
Dans le cadre du programme ORION-B* piloté par l’IRAM (Institut de Radioastronomie Millimétrique), un consortium de chercheurs auquel a contribué Jocelyn Chanussot, enseignant-chercheur Grenoble INP au GIPSA-lab**, a mis au point de nouvelles méthodes basées sur l’intelligence artificielle et l’apprentissage profond pour étudier les observations du nuage réalisées pour 240 000 fréquences de la lumière. Concrètement, il s’agit de rendre exploitables les images hyperspectrales*** obtenues par les radiotélescopes ciblés sur le nuage d’Orion. « Il se trouve que les images brutes sont extrêmement bruitées, un peu comme lorsque l’on regarde un téléviseur qui ne capte aucune chaîne, sauf qu’au milieu de ce fouillis se cache de l’information utile, explique Jocelyn Chanussot. Pour pouvoir l’exploiter, il faut se débarrasser du bruit parasite. » Mais la tâche est complexe, car le bruit observé varie d’un pixel à l’autre, le capteur bougeant entre deux prises. De ce fait, les algorithmes classiques de débruitage ne peuvent en venir à bout. En analysant ces données à partir d’algorithmes d’intelligence artificielle dédiés, les chercheurs du projet ORION-B ont obtenu des informations jusqu’ici inaccessibles. En particulier, leurs calculs ont permis d’estimer précisément la quantité d’hydrogène et la quantité d’électrons libres dans le nuage, sans les observer directement. Ces deux paramètres contrôlent en grande partie les mécanismes de formation des étoiles. Analyser ces paramètres permettra donc de dévoiler ces mécanismes dans le nuage d’Orion.

Définir la quantité de matière disponible pour la formation des étoiles n’est qu’un début. Un autre défi est d’extraire des données les informations sur ses mouvements pour contraindre l’effondrement du gaz en étoiles.


Crédits 2e photo : Radioastronomic view of ORION-B, @Jérôme Pety, IRAM

* https://www.iram.fr/~pety/ORION-B/
**CNRS, Grenoble INP, UGA
***A la différence de l'imagerie panchromatique qui ne rend compte que d'une information d'intensité lumineuse (image en niveaux de gris), ou même de l'imagerie couleur qui ne mesure l'information que dans les couleurs primaires (rouge, vert et bleu), l'imagerie hyperspectrale mesure l'information dans plusieurs centaines de longueurs d'onde, couvrant les domaines du visible, de l'infra-rouge, et de la radio-astronomie.


 
A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In

mise à jour le 13 janvier 2021

Contact

Grenoble INP