Les supernovas jouent un rôle crucial dans la formation des galaxies. Pour une meilleure compréhension de ces phénomènes, une équipe d'astronomes a exploité le deep learning afin de les analyser avec une plus grande précision.
Une simulation plus efficace des supernovas
Simuler la dynamique complexe des supernovas constitue depuis longtemps un énorme défi pour les chercheurs. Une nouvelle méthode de calcul créée récemment par une équipe de chercheurs dirigée par l'astronome de l'Université de Tokyo, Keiya Hirashima semble cependant apporter une grande avancée dans l'univers de l'astronomie.
Ces experts ont démontré que l'apprentissage profond ou deep learning peut révolutionner la simulation de ces phénomènes. Celui-ci est déjà largement utilisé dans divers domaines de recherche. Lors d'un évènement technologique récent appelé Hackathon, une équipe de chercheurs l'a notamment appliquée aux prévisions météorologiques. Et les résultats se sont avérés satisfaisants. Hirashima s'en est alors inspiré pour créer, avec son équipe, une nouvelle méthode de calcul dans le cadre de son domaine de recherche.
Dans un communiqué, il a déclaré que, même si « la météo est un phénomène très complexe, finalement, cela résume à des calculs de fluides ». Il a donc pensé qu'il est tout à fait possible de s'en servir également dans l'univers de l'astronomie. « Je me suis donc demandé si nous pouvions modifier les modèles d'e deep learning utilisés pour les prévisions météorologiques et les appliquer à un autre système fluide, mais qui existe à une échelle beaucoup plus grande et auquel nous n'avons pas un accès direct — c'est-à-dire mon domaine de recherche, les explosions de supernova » a-t-il déclaré.
Un gain de temps énorme grâce au modèle 3D-MIM
Selon Hirashima, les modèles utilisés depuis de longues années simplifient les supernovas. Ceux-ci prétendent qu'elles se font de manière parfaitement sphérique. Toutefois, en réalité, elles sont asymétriques. L'astronome a expliqué que certaines parties de la coquille stellaire formant la limite de l'explosion sont plus complexes que d'autres.
Améliorez la performance de vos projets grâce à l’IA générative ?
L'application du deep learning au problème de simulation des supernovas a permis aux scientifiques de l'Université de Tokyo d'identifier les parties de l'explosion qui requièrent plus d'attention lors d'une simulation ainsi que celles qui en nécessitent moins. Ce qui leur a permis de réaliser un gain de temps notable dans les différentes étapes de calcul et aussi d'obtenir une meilleure précision.
L'équipe d'Hirashima a notamment créé un nouveau modèle basé sur l'apprentissage profond appelé 3D-MIM. « Cette nouvelle approche réduit de 99 % le nombre d'étapes de calcul dans le calcul de 100 000 ans d'évolution d'une supernova » a déclaré l'astronome. Cette méthode permet d'atténuer le goulot d'étranglement informatique qui entravait la recherche dans ce domaine.
Une avancée ayant nécessité un effort considérable
Afin de parvenir à ce résultat, Hirashima a déclaré que son équipe d'IA a dû exécuter des centaines de simulations pour entraîner leur nouvelle méthode de calcul basée sur l'apprentissage profond. Ceci correspond à des millions d'heures de travail. Mais, l'effort fourni en valait la peine puisque les résultats de cette nouvelle approche de calcul sont extraordinaires.
Le 3D-MIM pourrait désormais être la base de toute nouvelle étude réalisée pour mieux comprendre les phénomènes astrophysiques : naissance des étoiles, région de formation d'étoiles, etc. Grâce à celui-ci, les scientifiques pourraient décortiquer avec précision l'évolution galactique.
- Partager l'article :
