En 2019, l'installation LIGO a enregistré une onde gravitationnelle — une ondulation dans le tissu de l'espace-temps — dont la carte temps-fréquence ressemblait à un peigne étrange. Chaque signal de fusion de trous noirs laisse une empreinte unique, comme des empreintes digitales. Mais le problème est que deux phénomènes totalement différents peuvent dessiner des images presque identiques.
Si une onde gravitationnelle passe près d'un objet massif, un effet de Microlentille gravitationnelle se produit — une focalisation des ondes gravitationnelles par un objet compact. La fréquence et l'amplitude du signal commencent à osciller, comme si le détecteur captait l'interférence de plusieurs copies du même événement. D'autre part, lorsque l'un des trous noirs tourne et que son axe ne coïncide pas avec le moment orbital, le plan orbital se met à tourner — c'est la précession. Elle module aussi le signal, mais d'une manière complètement différente. Distinguer ces scénarios rapidement et de manière fiable revient à différencier deux empreintes semblables laissées à des moments différents et avec des pressions différentes.
Les chercheurs ont créé une base de 60 000 empreintes synthétiques — des simulations numériques de signaux de trois types : avec microlentille sans rotation, sans lentille avec précession, et ordinaires sans rotation. Chaque signal a été passé à travers des modèles de bruit réalistes — du bruit gaussien idéalisé aux enregistrements réels du détecteur LIGO Hanford pour la période d'observation O4a. Ensuite, ils ont été transformés en transformées en Q — des images temps-fréquence où la luminosité correspond à l'énergie. Ce sont ces empreintes bidimensionnelles qui ont été présentées à un réseaux de neurones convolutifs à six blocs, entraîné par des méthodes d'apprentissage automatique.
Le résultat a surpris : dans un bruit gaussien idéal, la précision de séparation des signaux avec microlentille et avec précession a atteint 95 %. Dans le bruit réel d'O4a, elle est tombée à 82 % — mais c'est toujours une avancée pour le traitement du signal à faible latence. Les erreurs se produisaient dans deux cas : lorsque les distorsions de la lentille étaient à peine perceptibles (grand paramètre d'impact et faible masse de la lentille), et lorsque le « chirp » court d'un système binaire massif avec un rapport de masses extrême ressemblait aux oscillations de la lentille. Cependant, un test sur 124 événements réels du catalogue O4a a confirmé que le modèle, entraîné sur du bruit gaussien, identifiait de manière fiable les signaux ordinaires sans les confondre avec des signaux exotiques.
C'est le premier pas vers une recherche massive d'objets compacts sombres — des candidats aux trous noirs primordiaux dont pourrait être constituée la matière noire. La reconnaissance rapide des événements avec lentille évitera des erreurs systématiques dans la détermination des distances et des spins, cruciales pour tester les modèles cosmologiques et la théorie de la relativité générale elle-même. À l'avenir, les architectures des réseaux de neurones se complexifieront, intégrant les orbites excentriques, les modes supérieurs de rayonnement et les scénarios hybrides avec lentille et précession simultanées. En attendant, chaque nouvelle empreinte prélevée sur le tissu de l'espace-temps nous rapproche de la résolution du côté sombre de l'Univers.
Une microlentille d’environ un millier de masses solaires peut modifier le signal d’une fusion de sorte qu’un classificateur automatique le repère : l’amplitude oscille à des dizaines de hertz, comme si le détecteur recevait des « battements » issus de la superposition des trajets de la lumière.