LES 4 VÉRITÉS DE BRANE

« Si les planètes sont habitées, quelle étendue pour la folie : si elles ne sont pas habitées, quelle perte de place » a écrit l’auteur Thomas Carlyle (1795-1881), cité par le regretté André Brahic dans l’avant-propos de son dernier livre Terres d’ailleurs. Il songeait sans doute aux seules planètes qui tournent autour du Soleil, une étoile comme tant d’autres. Aujourd’hui, à la mi-2016, 3.443 exoplanètes sont connues et parmi elles, une vingtaine sont considérées comme potentiellement habitables. Le bilan est très satisfaisant en deux décennies d’exploration mais les projections des astronomes estiment qu’elles sont probablement des dizaines de milliards dans toute la Galaxie… Alors combien sont vraiment habitables, voire habitées ?

C’est en disséquant la lumière de leur étoile traversant — ou réfléchie par — leur atmosphère que les chercheurs peuvent faire connaissance avec ces mondes et ainsi déterminer leur habitabilité — entre autres paramètres — selon leurs compositions. Mais la liste d’attente ne cesse de s’allonger et c’est une tâche délicate et fastidieuse qui réclame beaucoup de temps pour qui les examinent une par une. C’est pourquoi une équipe dirigée par Ingo Waldmann de l’UCL (University College London) a donné naissance à Robert (Robotic Exoplanet Recognition). Ils ont présenté cet algorithme à leurs pairs le 28 juin à l’occasion des Rencontres nationales d’astronomie (NAM) qui se tenaient à Nottingham.

« Les cerveaux humains sont vraiment bons pour identifier [les "empreintes" de caractéristiques associées aux différentes molécules ou gaz] dans les spectres et les étiqueter selon l’expérience, mais c’est un travail qui prend vraiment beaucoup de temps et il va y avoir d’énormes quantités de données à traiter » souligne le chercheur. Avec Robert, ce qui prenait plusieurs jours ou semaines ne prend plus que quelques secondes.

Robert est un algorithme de type DBN (Deep belief neural network), une architecture particulière de réseaux neuronaux d'apprentissage profond, souvent employée pour la reconnaissance vocale, les recherches sur Internet et le suivi du comportement des consommateurs. Dans ce cas présent, il se compose de trois « couches de neurones » (sous forme logicielle). L’information entrée est traitée par une première couche de 500 neurones puis transmise à une seconde de 200 neurones qui, après les avoir tamisées, les envoie à la troisième constituée de 50 neurones, laquelle enfin rend son verdict quant à la présence des gaz et molécules.

Pour entraîner Robert, l’équipe a simulé un total de 85.750 spectres, soit 17.150 pour chacune des cinq exoplanètes représentatives (de la planète-océan à la Jupiter chaude) : WASP-12b, HD 189733b, HD209458b, HAT-P-11b, GJ1214b. Chaque spectre ne concernait qu’une seule espèce. Son taux de reconnaissance a atteint 99,7 % de réussite à la fin de cette phase d’apprentissage.

« Robert a appris à prendre en compte des facteurs tels que le bruit, les gammes de longueurs d’onde restreintes et des mélanges de gaz, rapporte Ingo Waldmann. Il peut distinguer des composants tels que l’eau et le méthane, et cela même lorsque les données proviennent d'étroites bandes de longueurs d’onde et quand ces informations se chevauchent. »

Une situation inverse peut se produire aussi : Robert peut entrer en « état de rêve » et imaginer un spectre. « Les robots font vraiment des rêves, explique le chercheur. Nous pouvons lui demander de rêver à quoi peut ressembler un spectre de l’eau et il s’est montré précis. »