Le diapason cosmique : le réseau de neurones KLT-Net réécrit l'échelle des distances ✛ ✎
La cosmologie moderne est en dissonance. Les mesures locales de la constante de Hubble à partir des supernovae et des céphéides donnent environ 73 km/s/Mpc, tandis que les contraintes globales issues du fond diffus cosmologique dans le cadre du modèle standard ΛCDM indiquent 67 km/s/Mpc. Cet écart d'environ 5σ, connu sous le nom de « tension de Hubble », résonne comme un accord dissonant qui exige soit une nouvelle physique, soit une refonte complète de l'échelle des distances. Cette échelle, où chaque marche repose sur la précédente, peut être comparée à un orchestre : les supernovae de type Ia sont des diapasons qui donnent le ton, mais les erreurs systématiques et les hypothèses de modèle introduisent de fausses notes. L'approche traditionnelle — ajuster manuellement les calibrations — revient à accorder des instruments à l'oreille dans une salle bruyante. Mais voici qu'un nouveau chef d'orchestre est apparu : KLT-Net.
Ce chef n'est pas humain : c'est un réseau de neurones hybride, inspiré du théorème de Kolmogorov-Arnold. Il réunit trois principes en une seule partition. Les couches LSTM capturent les harmoniques locales — les dépendances temporelles dans les courbes de lumière, comme un musicien qui suit attentivement les nuances du son. Les couches KAN avec des B-splines apprenables construisent des mélodies non linéaires complexes à partir d'éléments simples — comme un compositeur qui édifie une symphonie à partir de gammes. Et l'encodeur Transformer avec mécanisme d'auto-attention embrasse toute la structure harmonique, ressentant le rythme global de l'expansion. L'entraînement a été effectué sur 1701 supernovae du catalogue Pantheon+, et, tout comme un musicien se fie à son oreille absolue, KLT-Net se fie aux données, non aux dogmes cosmologiques.
Qu'a donc révélé ce chef d'orchestre ? Les tests d'ablation — où les solistes-composants étaient retirés un à un de l'orchestre — ont confirmé que l'ensemble complet KLT sonne de manière plus stable, réduisant la variance de l'erreur à 0.0005. À travers le bruit des données, une note pure s'est fait entendre : la constante de Hubble H₀ = 69.58 km/s/Mpc. Elle s'est avérée légèrement inférieure aux mesures locales d'Edwin Hubble et de ses successeurs, mais supérieure au fond diffus, atténuant ainsi l'écart douloureux. La densité de matière Ωₘ=0.301 fait écho à d'autres sondes, suggérant un motif universel. Fait intéressant, la magnitude absolue des supernovae $M_B$ = –19.38 mag a été obtenue par la méthode robuste de la valeur la plus fréquente — comme si le chef écoutait le « chœur » de la majorité, ignorant les valeurs extrêmes.
Ce travail n'est qu'une ouverture. Les réseaux de neurones informés par la physique (PINN) intègrent déjà les équations de Friedmann directement dans la partition, et la régression symbolique promet de dériver automatiquement les lois de l'énergie noire et de la matière noire. Imaginez un réseau qui non seulement accorde les instruments, mais compose la musique de l'Univers, en s'appuyant sur la lumière de milliards d'étoiles. Les futurs relevés LSST et Euclid produiront des millions de « notes », et les algorithmes de type KLT deviendront les principaux arrangeurs. Ainsi, pas à pas, nous nous rapprochons de l'écoute de la véritable harmonie du cosmos.
La méthode de la valeur la plus fréquente (MFV), utilisée pour estimer la luminosité absolue des supernovae, fonctionne comme la recherche de l'opinion la plus populaire parmi des experts : elle écarte les valeurs extrêmes et s'appuie sur le « chœur » de la majorité des données.
Cela rappelle la « psychohistoire » du « Cycle de Fondation » d'Asimov, où l'analyse de masses de données sans connaissance des mécanismes détaillés permettait de prédire l'avenir d'un empire galactique. Ici, le réseau de neurones prédit l'histoire de l'expansion à partir de la lumière d'étoiles lointaines.