Comment voir la charpente invisible des galaxies ✛ ✎

Original: "Polar coordinate transformations for machine learning based dark matter subhalo detection in strong gravitational lenses"
arXiv:2607.02663v1 · 2026-07-02 · arXiv non-exclusive · analyse indépendante · 2 min
Une simple transformation des images cosmiques aide à mieux repérer les amas de matière noire.

La science moderne décrit l'Univers avec le modèle standard, où tout a commencé avec le Big Bang et continue de s'étendre grâce à l'énergie noire. Mais ce qui laisse le plus de questions dans cette histoire, c'est la matière noire — cette charpente invisible qui empêche les galaxies de se désagréger. On ne peut pas la toucher, mais sa gravité courbe la lumière comme une lentille — c'est la lentille gravitationnelle. Parfois, à cause de cette déformation, une galaxie lointaine se transforme en un anneau lumineux, et à l'intérieur se cachent de minuscules amas de matière noire.

Dès les années 1930, Fritz Zwicky avait remarqué que les galaxies se déplacent trop vite et avait supposé l'existence d'une masse invisible. Plus tard, Vera Rubin l'a prouvé en étudiant la rotation des étoiles.

Les chercheurs ont entraîné un programme à repérer ces amas sur les images du télescope Hubble. En général, l'ordinateur voit l'image comme une feuille quadrillée. Mais l'anneau de la lentille est rond. Alors les scientifiques l'ont simplement découpé et redressé en une ligne, comme un ruban de manège. Sur une piste bien droite, les moindres irrégularités sautent aux yeux. Cette transformation des données a permis au programme de détecter plus souvent les plus petits amas.

Le télescope Hubble, nommé d'après Edwin Hubble, est en orbite depuis plus de 30 ans et a pris de nombreuses images de lentilles gravitationnelles.

Détecter avec certitude les minuscules amas de matière noire aidera à comprendre de quoi elle est faite — un peu comme on devine la recette d'une soupe en goûtant les ingrédients. Les propriétés de ses particules déterminent combien d'amas se forment. Cette nouvelle méthode accélérera la résolution du plus grand mystère cosmique.

On estime que des milliards de particules de matière noire traversent chaque seconde une pièce ordinaire — vous ne les remarquez tout simplement pas.

Dans le roman de science-fiction « La Forêt sombre » de Liu Cixin, les lentilles gravitationnelles sont utilisées comme d'immenses antennes pour communiquer entre les étoiles — presque comme en cosmologie réelle.

\rho(r) = \frac{M_0}{4\pi r (r + r_s)^2} \left( \frac{r_t^2}{r^2 + r_t^2} \right)
\rho — densité de matière noire au rayon r, r_s — rayon d'échelle, r_t — rayon de troncature, M_0 — masse d'échelle.
L = \frac{1}{N} \sum_{i=1}^{N} \left[ \frac{(\hat{y}_i - \mu_i)^2}{2\sigma_i^2} + \log \sigma_i \right]
L — valeur de la perte pour N images, \hat{y}_i — masse logarithmique réelle, \mu_i et \sigma_i^2 — moyenne et variance prédites.
Scientifiques
Fritz ZwickyVera RubinJacob BekensteinKarl SchwarzschildJoseph WeberEmmy Noether
Notions
polarimétrie par réseau de neurones réseaux de neurones convolutifs cisaillement gravitationnel faible analyse de lentille gravitationnelle généralisation sous-halo de matière noire grands modèles de langage apprentissage automatique apprentissage profond en imagerie médicale ondes gravitationnelles de matière noire Microlentille gravitationnelle transformations de Lorentz astrophysique par IA données d'entraînement télédétection polarimétrique classification d'images vision par ordinateur prédiction des propriétés moléculaires polarimétrie traitement automatique du langage naturel