Un artiste fait un croquis rapide au fusain – et le visage sur le portrait est déjà reconnaissable. Les astrophysiciens résolvent un problème similaire : le spectre d'une étoile est son portrait individuel, révélant température, composition, gravité. Jusqu'à récemment, l'obtention d'un tel portrait nécessitait une peinture à l'huile minutieuse – un code de transfert radiatif en conditions hors équilibre thermodynamique local (non-LTE). Un seul spectre synthétique précis se calculait en heures. Mais à l'ère des relevés de nouvelle génération comme WEAVE et 4MOST, il faut des millions de portraits. C'est là qu'intervient SpecFANN – un réseau de neurones entraîné à dessiner des croquis rapides mais étonnamment précis de spectres stellaires.

Une équipe de chercheurs a pris 50 147 modèles créés par le code FASTWIND, une sorte d'« artiste » de référence. Chaque modèle représentait le spectre d'une étoile avec des paramètres précis : température effective, gravité de surface, rayon, abondance d'hélium et des éléments C, N, O, Si. Cet ensemble est devenu un album d'apprentissage. 140 réseaux de neurones indépendants (un par raie spectrale importante) ont appris à prédire la forme de la raie à partir de cinq nombres d'entrée. Après environ une heure d'entraînement sur un processeur graphique NVIDIA L40S, chaque réseau commence à produire 161 points du profil quasi instantanément. La physique du cœur de l'étoile – le cycle CNO, décrit pour la première fois par Hans Bethe – laisse dans le spectre des signatures caractéristiques que le réseau de neurones a appris à extraire sans calculs directs de transfert radiatif.

Un croquis rapide peut estomper les petits détails, mais les traits principaux restent. Pour les raies photosphériques (celles qui naissent dans les couches plus denses), l'erreur moyenne tombe en dessous de 0,1 % – presque comme le modèle original. Les raies de vent, qui apparaissent dans l'enveloppe en expansion rapide, sont plus difficiles, mais l'erreur y dépasse rarement 1 %. Les raies de l'hydrogène, par exemple Hα de la série de Balmer, découverte par Johann Jakob Balmer, sont très bien reproduites. La vraie surprise a été que la prise en compte de la rotation de l'étoile – un léger « étalement » du profil par effet Doppler – lisse davantage le bruit fin des prédictions, réduisant l'erreur de moitié.

La vitesse de l'émulateur (360 000 fois plus rapide) transforme l'impossible en routine. Les méthodes d'analyse bayésienne, comme MCMC, qui énumèrent des milliers de variantes, deviennent applicables aux modèles non-LTE. Les astronomes ne sont plus contraints de se contenter d'indices spectraux pauvres – ils peuvent utiliser toute l'information contenue dans des centaines de raies. À terme, l'architecture des réseaux sera optimisée pour différentes métallicités, on ajoutera des paramètres de vent et on prendra en compte les systèmes binaires. Grâce à SpecFANN, l'analyse massive de l'évolution stellaire à partir des données de relevés prendra des jours, et non des siècles.

Un croquis rapide ne remplace pas une toile détaillée quand une précision à 100 % est nécessaire. Mais en astrophysique arrive une ère où ce qui compte n'est pas un chef-d'œuvre isolé, mais des ensembles statistiques. SpecFANN est l'outil qui permet, en jetant un coup d'œil rapide sur des milliers de portraits, de trouver les étoiles les plus surprenantes – futures supernovae, sources d'ondes gravitationnelles – et de les étudier ensuite dans les moindres détails. Le dessin au fusain donne l'essentiel : il donne la vitesse. Et avec elle vient la possibilité de voir la forêt plutôt que les arbres.