Grâce à l’IA, des astronomes découvrent des centaines d’anomalies cosmiques invisibles à l’œil humain
Depuis son lancement en 1990, le télescope spatial Hubble a généré un vaste ensemble de données. Ce volume est si important qu'il est inabordable pour une analyse humaine complète. De plus, les données provenant du télescope James Webb s'ajoutent à cette…
Depuis son lancement en 1990, le télescope spatial Hubble a généré un vaste ensemble de données. Ce volume est si important qu'il est inabordable pour une analyse humaine complète. De plus, les données provenant du télescope James Webb s'ajoutent à cette immense collection, avec environ 57 Go de nouvelles données par jour.
Utilisation de l'IA pour l'Analyse de Données Astronomiques
Pour gérer efficacement cette masse d'informations, deux astronomes de l'ESA, David O’Ryan et Pablo Gomez, ont mis en place un modèle d'intelligence artificielle (IA) nommé AnomalyMatch . En trois jours, ce modèle a traité 100 millions d'images, identifiant plus de 1 300 anomalies cosmiques, dont 800 étaient inconnues auparavant. Ces découvertes ont été documentées dans le volume 704 de la revue Astronomy and Astrophysics en décembre 2025.
Contrairement aux modèles IA classiques nécessitant un apprentissage supervisé, AnomalyMatch utilise une méthode de détection d'anomalies par distribution. L'algorithme établit d'abord un standard de normalité statistique pour les objets célestes, puis identifie les éléments qui s'en écartent. Ce processus a permis de détecter des anomalies en utilisant un seul processeur graphique (GPU), aboutissant à l'identification de 1 400 candidats potentiels, dont 1 300 ont été confirmés comme anomalies astrophysiques après vérification humaine.
Depuis son lancement en 1990, le télescope spatial Hubble a généré un vaste ensemble de données.
86 nouvelles lentilles gravitationnelles potentielles, utiles pour observer l'univers lointain et étudier la matière noire. 417 galaxies en fusion et 35 nouvelles galaxies méduses, offrant des perspectives pour étudier la gravité et la dynamique des gaz.
Le modèle AnomalyMatch a démontré son efficacité en traitant une quantité massive de données en peu de temps. Il offre un potentiel significatif pour l'analyse des archives astronomiques, ouvrant la voie à de nouvelles découvertes scientifiques.
D’après Presse-citron.

:quality(50)/2026/08/12/6a7cde8dd98a2111045828.jpg)
:quality(50)/2026/08/13/6a7d5d9694a3a397795210.jpg)

:quality(50)/2026/08/13/6a7dca07783a5366981434.jpg)