Un puzzle qui ne s'assemble pas : un réseau de neurones cherche des quasars anormaux ✛
En assemblant le puzzle de l'Univers, les astronomes ont l'habitude que chaque nouvelle pièce s'emboîte parfaitement dans le tableau déjà constitué. Mais parfois, ils tombent sur des morceaux qui semblent découpés dans un autre jeu. Vingt mille noyau actif de galaxie — et onze pour cent d'entre eux, le réseau de neurones les rejette résolument comme étrangers. Qu'est-ce que c'est : des bêtes rares du zoo galactique ou des pièges instrumentaux ?
Pendant trois ans et demi, le télescope VST a accumulé des clichés d'une région du ciel dans la constellation du Sextant, collectant des photométrie courbes de lumière — des graphiques de scintillement de sources lointaines. Derrière ce vacillement se cache la physique : un trou noir, son disque d'accrétion, des nuages de poussière. Mais comment distinguer un événement cosmique rare d'un simple mauvais cliché ? À la rescousse vient réseaux de neurones — un réseau qui apprend à compresser les données typiques en un code compact puis à les reconstituer. Un objet non standard sera reconstruit avec des erreurs notables. La taille de cette erreur sert de drapeau d'anomalie.
L'autoencodeur n'a pas travaillé sur les observations brutes, mais sur 37 caractéristiques — des mesures de variabilité, de couleur, d'amplitudes. Ainsi les astrophysiciens ont intégré leur savoir directement dans le réseau neuronal. Le seuil d'anormalité a été fixé au 95e percentile d'erreur : tout ce qui est reconstitué moins bien que 95 % de l'échantillon a été mis dans les suspects. Sur 20 647 sources, 272 ont été retenues — 11,18 %. Parmi elles, les noyau actif de galaxie dominaient largement (242 contre 16 galaxies et 14 étoiles), les noyaux ouverts étant presque toujours signalés (90,7 % !), les cachés trois fois moins souvent.
Mais comment savoir si une anomalie est due à une véritable astrophysique ou à un artefact d'observation ? C'est ici qu'intervient IA explicable — une méthode qui décompose la contribution de chaque caractéristique au score final. Comme une loupe, elle montre quel recoin de la « pièce du puzzle » se détache de l'ensemble. Pour les NAG anormaux, les principaux coupables étaient des paramètres de variabilité : dispersion excessive, amplitude de marche aléatoire. Pour les galaxies et les étoiles, l'anormalité était dictée par des caractéristiques tout autres. Cela a permis de séparer les cas physiquement intéressants (structure inhabituelle du tore de poussière, type de noyau intermédiaire) des défauts de méthode de mesure.
À venir, l'ère du LSST, où le flot de données photométrie submergera l'astronomie. On ne pourra pas se passer de détecteurs automatiques. Ce travail a montré que les réseaux de neurones avec IA explicable peuvent devenir non seulement des filtres, mais des outils intelligents pour la recherche des stades les plus rares de l'évolution galactique. La prochaine étape est le test sur des courbes de lumière synthétiques et l'ajout d'informations contextuelles, comme décalage vers le rouge et la morphologie des galaxies. Désormais, les astronomes disposent d'un instrument qui non seulement écarte les pièces superflues, mais éclaire le puzzle prêt à s'assembler en une image inattendue.
Le réseau a déclaré anormaux 90,7% des noyaux actifs non masqués — en fait, pour lui, le noyau masqué est devenu la « norme », et tout le reste une déviation.