Au cours des deux dernières années et demie, deux télescopes de nouvelle génération ont été envoyés dans l'espace : le télescope spatial James Webb (JWST) de la NASA et l'observatoire Euclid de l'ESA . Avant la fin de la décennie, ils seront rejoints par le télescope spatial Nancy Grace Roman Space Telescope (RST) de la NASA, le spectrophotomètre de la NASA pour l'histoire de l'univers , l' époque de la réionisation et l' explorateur de glace de la NASA (SPHEREx), ainsi que le planétaire Transit de l'ESA. et oscillations (PLATO), entre autres.
Ces observatoires s'appuieront sur des optiques et des instruments avancés pour faciliter la recherche et la caractérisation des exoplanètes dans le but ultime de trouver des planètes habitables . Parallèlement aux missions encore opérationnelles, ces observatoires collecteront des volumes massifs de données spectroscopiques à haute résolution.
Le tri de ces informations nécessitera des techniques d’apprentissage automatique de pointe pour rechercher des signes de vie et des processus biologiques (également appelés biosignatures). Dans un article récent, une équipe de scientifiques de l'Institut de théorie fondamentale (UF-IFL) de l'Université de Floride a recommandé que les futures études utilisent l'apprentissage automatique pour rechercher des anomalies dans les spectres, qui pourraient révéler des signatures chimiques inhabituelles et biologiques inconnues.
Une prépublication de leur article a été publiée sur arXiv et est en cours d'examen pour publication dans l' Astrophysical Journal . Les spécialistes y ont expliqué que la « vie » reste une question ouverte pour les scientifiques et qu'il serait avantageux d'élargir le champ de nos recherches.
La première détection confirmée d'une exoplanète (une option semblable à la Terre qui pourrait abriter la vie) remonte à 1992 et consistait en deux super-Terres (Poltergeist et Phobitor) observées autour d'un pulsar (PSR B1257+12, également connu sous le nom de Lich) situé À 2 300 années-lumière de la Terre. Bien que les scientifiques croyaient fermement que la plupart des étoiles possédaient leur propre système de planètes, avant cette découverte, ils ne disposaient pas de preuves incontestables. Et jusqu’au lancement du télescope spatial Kepler en 2009, les découvertes d’exoplanètes s’accumulaient au rythme de quelques-unes par an.
Depuis lors, un total de 5 496 exoplanètes ont été confirmées dans 4 096 systèmes, et 9 820 autres candidates sont en attente de confirmation . Ces dernières années, le processus est passé de la découverte à la caractérisation, où des instruments et des méthodes améliorés ont permis aux astronomes d'analyser directement l'atmosphère des exoplanètes pour mesurer leur habitabilité potentielle.
« Les instruments s'améliorent de plus en plus - a expliqué Matcheva dans une interview à USA Today - ; meilleure résolution spectrale, niveau signal/bruit exceptionnel, couverture de longueur d’onde plus large. Outre le JWST, qui a réalisé des observations spectroscopiques exceptionnelles de plusieurs exoplanètes, l'ESA prévoit de mettre en place un télescope spatial dédié aux exoplanètes, ARIEL, qui en observera 1 000. "L'analyse de ces données occupera les scientifiques pendant longtemps."
Selon Matcheva, les domaines de l’étude des exoplanètes et de l’astrobiologie sont incroyablement fascinants en raison du grand potentiel qu’ils comportent. Actuellement, ce domaine vise en grande partie à limiter l’habitabilité en recherchant spécifiquement des biosignatures : preuves de vie et de processus organiques.
Rechercher l'inconnu
En utilisant la Terre comme modèle, la seule planète où la vie est connue, les biosignatures les plus recherchées comprennent l'azote gazeux (N2), l'oxygène gazeux (O), le dioxyde de carbone (CO2), le méthane (CH4) et l'ammoniac. (NH3) et eau (H2O).
Il s’agit de l’approche la plus simple, dans laquelle les scientifiques recherchent une vie conforme aux normes terrestres. Ce n’est pas un accident ou une concentration paresseuse. C’est tout simplement parce qu’il est extrêmement difficile de rechercher des signes de vie que nous ne connaissons pas. Mais cela représente également l’occasion d’envisager les possibilités et d’élargir la portée de ce que nous savons.
« Savons-nous quoi chercher ? se demanda Matcheva. Savons-nous où ? Le reconnaîtrions-nous si nous le voyions ? "La communauté scientifique des exoplanètes travaille toujours en gardant ces questions à l'esprit."
Pour leur étude, Matcheva et ses collègues ont étudié comment l'apprentissage automatique pouvait être entraîné à rechercher des anomalies dans les spectres de trafic . Il s'agit des courbes de lumière obtenues en observant des étoiles lointaines pour des baisses périodiques de luminosité, ce qui pourrait indiquer la présence d'une planète passant devant l'étoile par rapport à l'observateur. C’est ce qu’on appelle la spectroscopie de transit (ou méthode de transit), qui reste la méthode la plus efficace et la plus utilisée pour détecter les exoplanètes. En plus de la détection, cette méthode permet aux astronomes d'observer occasionnellement de la lumière traversant son atmosphère.
Lorsqu’elles sont mesurées avec un spectromètre, ces observations révéleront des données sur la composition chimique, qui pourraient inclure des biosignatures révélatrices. Dans les années à venir, la combinaison des télescopes de nouvelle génération et de l’apprentissage automatique permettra aux astronomes de déterminer plus précisément l’habitabilité potentielle des exoplanètes. "Nous pensons que les méthodes d'apprentissage automatique en astrophysique peuvent changer la donne dans la façon dont nous traitons les données en termes de vitesse, de volume et de méthodologie", a poursuivi Matcheva. Et nous le voyons dans tous les domaines scientifiques.
À leurs fins, elle et son équipe ont utilisé deux méthodes d'apprentissage automatique populaires pour la détection des anomalies : le facteur de valeur aberrante locale (LOF) et la machine à vecteurs de support à une classe (OCSVM) pour analyser une vaste base de données publique de spectres synthétiques.
Cette base de données a été développée par l'équipe scientifique ARIEL de l'ESA en prévision de la mission (dont le lancement est prévu en 2029) et contient plus de 100 000 signatures spectrales d'exoplanètes générées par ordinateur. L’équipe a également utilisé les courbes des caractéristiques de fonctionnement du récepteur (ROC) pour quantifier et comparer les performances des deux techniques ML. Le processus et les résultats, comme le raconte Matcheva, étaient fascinants : les spectres sont calculés avec les modèles actuels, en supposant que l'atmosphère de chaque planète est un mélange de cinq gaz différents dans des proportions différentes.
« À titre expérimental, nous traitons l'un des absorbants (par exemple, H2O) comme un absorbeur mystérieux. Nous entraînons l'algorithme sur un sous-ensemble de données déficientes en H2O et testons s'il marquera correctement les planètes contenant de l'eau comme anormales. Nous répétons l’expérience pour quatre des gaz. Nous utilisons à la fois LOF et OCSVM. Les deux méthodes ont fait un excellent travail en trouvant des planètes anormales lorsqu’il n’y a pas de bruit ou très peu de bruit (~ 10 ppm), même pour de très petites quantités de gaz mystérieux. Comme prévu, le modèle ML commence à commettre des erreurs lorsque le niveau de bruit augmente trop », a-t-il noté.
Même si la recherche de signatures biologiques n’était pas l’objectif principal de cet article, « c’est un résultat très intéressant et nous sommes très enthousiasmés par le potentiel de la méthode », a déclaré Matcheva. Rechercher des signes de vie dans l'univers s'apparente plus à chercher une aiguille dans une botte de foin qu'à chercher une preuve de fumée . En fait, c'est encore plus difficile parce que nous ne savons pas à quoi ressemble l'aiguille. Les nouvelles méthodes de détection sont conçues exactement : des événements rares dont nous ne savons pas à quoi ils ressemblent, à quoi ils sentent ou à quoi ils ressemblent.
Comme indiqué ci-dessus, la recherche de la vie extraterrestre peut être résumée comme la recherche de la vie telle que nous la connaissons. Mais il est très rare ou très exotique, ce qui signifie qu’il peut provenir de toutes sortes de produits chimiques et de conditions. Il est donc logique de ratisser plus large. "La communauté de l'astrobiologie travaille depuis longtemps sur une définition de la vie", a poursuivi la scientifique, "mais nous n'avons aucune idée de ce que sont réellement les extraterrestres et de la manière dont ils interagiraient avec leur environnement", a-t-elle déclaré.
Et il a conclu : « Nous sommes biaisés par notre expérience humaine et nos stratégies actuelles. Il faut rechercher la vie dans la zone habitable, qui par définition est favorable à l'homme (ou à la vie terrestre). Alors, comment chercher quelque chose quand on ne sait pas à quoi ça ressemble ? C'est là qu'interviennent les techniques d'apprentissage automatique de détection de nouveauté : elles peuvent signaler les points de données qui sont incohérents avec les données d'entraînement, c'est-à-dire qu'ils ne sont pas en accord avec les modèles théoriques actuels. En fait, en ce sens, notre méthode consiste à chercher la vie telle que nous ne la connaissons pas . Des physiciens et des experts en apprentissage automatique ont également participé aux travaux, parmi lesquels, outre Matcheva, Roy T. Forestano, Konstantin T. Matchev et Eyup B. Unlu.