Un réseau de neurones accélère la naissance des galaxies express

Original: "A graph-based Neural Network surrogate model for accelerating semi-analytical model of galaxy formation and evolution"
arXiv:2604.23147 · 2026-04-25 · CC BY 4.0 · 1 min
L'intelligence artificielle apprend à prédire les caractéristiques des galaxies à partir de l'histoire de la croissance de la matière noire.

Étudier la naissance des galaxies nécessite de simuler des milliards d'années de croissance de la matière noire et de formation d'étoiles — même les superordinateurs s'y attellent lentement. La solution vient du domaine de l'apprentissage automatique : tel un pâtissier expérimenté, un réseau de neurones évalue instantanément la future galaxie à partir de la « recette » des fusions de matière noire — sa masse, sa luminosité, sa composition chimique. L'entraînement sur des milliers d'univers virtuels a permis d'atteindre une concordance quasi parfaite avec les calculs réels.

Le modèle est entraîné sur les données de la simulation Uchuu et couvre presque toute l'histoire du cosmos — de l'Univers jeune à nos jours.

Conclusion inattendue : les détails des processus internes se sont révélés secondaires. Le destin d'une galaxie est presque entièrement inscrit dans l'histoire de sa matière noire. La précision atteint 97 %, et la vitesse permet de tester en quelques heures des milliers de scénarios d'expansion de l'univers, nous rapprochant ainsi de la compréhension de l'évolution cosmique.

Les galaxies les plus lointaines se sont formées alors que l'Univers avait moins d'un milliard d'années. Leur destin était prédéterminé par les seules fusions de la matière noire invisible — les étoiles visibles ne faisaient que suivre ce scénario.

Tout comme la « psychohistoire » d'Asimov, le réseau de neurones prédit le destin des galaxies à partir de lois mathématiques — mais ici, au lieu des civilisations, c'est la matière noire qui est en jeu.

Scientifiques
Fritz ZwickyJames JeansRashid Alievich SunyaevVera RubinSubrahmanyan ChandrasekharAdam Riess
Notions
cartographie galactique par réseau de neurones réseau neuronal de graphe mécanismes de croissance des galaxies modèle génératif granger causality graphes algorithme génétique grands modèles de langage simulation sur superordinateur archéologie galactique chimique galaxies naines pauvres en matière noire processus d'évolution galactique taux de formation d'étoiles modèle stellaire forêt aléatoire population stellaire réseaux antagonistes génératifs prédiction des propriétés moléculaires