La symphonie des naines blanches : quand un réseau de neurones apprend à écouter la musique gravitationnelle de LISA ✛ ✦
L'Univers n'est pas silencieux : il est parcouru d'un bourdonnement continu d'ondes gravitationnelles. Dans une décennie, l'observatoire spatial LISA accordera ses « oreilles » sur la gamme des millihertz, et notre Galaxie s'avérera être la source la plus riche — des dizaines de milliers de paires de naines blanches tourbillonnant dans une danse effrénée. Le problème, c'est que leurs signaux se fondent en une cacophonie, se masquant mutuellement. Pour déchiffrer cette partition cosmique et comprendre l'évolution stellaire, il faut un chef d'orchestre doté d'une oreille artificielle, capable d'isoler instantanément la voix de chaque instrument. C'est précisément ce chef d'orchestre — un réseau de neurones entraîné sur des simulations — que les chercheurs proposent.
Plutôt que de s'attaquer de front aux équations, les scientifiques ont utilisé l'apprentissage automatique par simulation avec des flux normalisés. Le réseau de neurones a suivi un cours intensif : des millions de signaux synthétiques de binaires de naines blanches, générés par le simulateur numérique GBGPU, en tenant compte de la réponse réaliste de l'interférométrie laser de LISA et des bruits instrumentaux. Au final, les flux ont appris à transformer le bruit en une distribution de probabilité complète pour huit paramètres : fréquence, coordonnées célestes, amplitude, inclinaison, polarisation, phase. Le MCMC traditionnel erre pendant des heures dans le paysage des paramètres, s'enlisant dans les maxima locaux ; le réseau de neurones, lui, produit des milliers d'échantillons en une seconde, sans même calculer la vraisemblance — il a « absorbé » la grammaire des signaux gravitationnels, tel un violoniste qui reconnaît son instrument dès la première mesure.
Aux basses fréquences (1–6 mHz), le réseau a montré un accord presque parfait avec l'analyse bayésienne de référence, y compris pour les structures multimodales délicates de la phase et de la polarisation. À mesure que la fréquence augmente, ou lorsque deux signaux se superposent, la précision diminue légèrement, mais la vitesse reste sans précédent : des heures de calcul MCMC sont compressées en une fraction de seconde. Ce succès n'est qu'une ouverture. À l'avenir, la méthode sera intégrée dans un ajustement global : des préprocesseurs compresseront les données, et le réseau apprendra à traiter un nombre variable de sources, résolvant ainsi un problème transdimensionnel. Nous pourrons alors déchiffrer entièrement la population de binaires galactiques, sans manquer même les systèmes exotiques avec étoiles à neutrons ou trous noirs, et construire pour la première fois une carte de l'évolution stellaire à partir du « son ». En substance, nous créons une ouïe gravitationnelle capable de capter la symphonie des sphères célestes qu'Albert Einstein a prédite et que Rainer Weiss a appris à écouter grâce à des interféromètres géants.
Curieusement, le réseau de neurones, après s'être entraîné sur des millions de signaux, se met à « comprendre » la physique sans équations : il saisit des corrélations subtiles qui échappent aux formules explicites — un peu comme un musicien qui ne connaît pas les notes mais qui reproduit parfaitement la mélodie.
L'idée d'un milliard de voix se fondant en une « symphonie » évoque le « son » de l'Univers pulsant dans le roman de Stanisław Lem, « La Voix du Maître », et la tentative d'en extraire des « instruments » individuels fait écho à la mission du SETI : trouver un signal signifiant dans l'océan du bruit naturel.