Une IA sans consignes découvre de nouvelles galaxies express

Original: "Unsupervised Discovery of High-Redshift Galaxy Populations with Variational Autoencoders"
· Aayush Saxena
arXiv:2511.05439 · 2025-11-07 · CC BY 4.0 · 1 min
Un algorithme a lui-même identifié de nouveaux types de galaxies dans les données de Webb.

Le télescope James Webb a recueilli des milliers de spectres de galaxies lointaines — ces empreintes colorées de leur lumière. Pour ne pas se noyer dans cette diversité, les astronomes ont confié à un programme le soin de trier les trouvailles. Mais il a agi comme un naturaliste sur une plage inconnue : sans savoir à l'avance quelles espèces il allait croiser, il a classé les objets selon leurs similitudes. Au lieu de coquillages, des motifs spectraux. L'algorithme a lui-même trouvé des familles : les spirales et les elliptiques habituelles, et parmi elles, de rares « perles bleues ».

Ce sont de minuscules galaxies qui brillent si intensément dans l'ultraviolet que chacune rayonne comme cent milliards de soleils.

Ce « biologiste automatique » accélérera des centaines de fois le dépouillement des archives et détectera les anomalies dignes d'un examen attentif. En attendant, cette première moisson de Webb prouve que même dans la routine cosmique se cachent des merveilles.

James Webb est si sensible dans l'infrarouge qu'il pourrait détecter la chaleur d'un bourdon à la surface de la Lune.

Scientifiques
Fritz ZwickySubrahmanyan ChandrasekharAdam RiessJohn Archibald WheelerNancy Grace RomanGalileo Galilei
Notions
apprentissage auto-supervisé James Webb sources rouges du JWST astrophysique par IA galaxies à points rouges galaxies à haut décalage vers le rouge regroupement population stellaire seti réseaux neuronaux d'apprentissage prédictif microlentille par planète errante autoencodeur analyse automatisée décalage vers le rouge recherche de technosignatures galaxie radio méthode du transit exoplanète radioastronomie découverte scientifique par réseau de neurones