La Microlentille gravitationnelle est la seule méthode sensible aux exoplanètes de masse terrestre et aux planètes errantes, non liées à des étoiles. Dès les années 1980, Bohdan Paczyński a montré que la microlentille pouvait être utilisée pour rechercher des objets sombres, et aujourd’hui le télescope spatial Nancy Grace Roman se prépare à observer 200 millions d’étoiles en direction du bulbe galactique. On attend environ 1400 exoplanètes liées et 250 planètes errantes. Pour tester les scénarios de formation et d’éjection, la complétude de l’échantillon est indispensable dans les régimes les plus courts et les plus faibles — là même où les algorithmes classiques échouent.
L’architecture combine un encodeur transformeur commun, qui traite les séries temporelles irrégulières via un mécanisme d’attention, et deux têtes spécialisées. La branche de détection — Evidence Network — est entraînée sur des étiquettes binaires (signal/bruit) avec une fonction de perte exponentielle l‑POP et produit un facteur bayésien calibré. La branche d’inférence — Neural Posterior Estimation — utilise un flux autorégressif masqué pour modéliser directement la distribution a posteriori. Les deux têtes partagent la même représentation vectorielle extraite par le transformeur à partir de séquences complétées (1000 pas, trois canaux : temps, flux, erreur). Pour l’entraînement, 100 000 courbes de lumière synthétiques du modèle FSPL ont été générées avec simulation numérique et augmentations : trous d’échantillonnage, suppression de points et bruit photométrique. L’ensemble du pipeline est mis en œuvre avec des outils d’apprentissage automatique et d’inférence par simulation.
Sur un échantillon de test de 5 000 événements, l’Evidence Network avec un seuil log₁₀K > 0.8 a détecté 4 996 signaux (99.9%) et aucun faux positif parmi 5 000 courbes de bruit (limite supérieure à 95% de FP < 6×10⁻⁴). À titre de comparaison, les critères stricts de Johnson et al. (2020), Sumi et al. (2011) et Mróz et al. (2017) donnent respectivement 95.9%, 93.9% et 95.4% — même en utilisant les paramètres vrais (« oracle ») pour le calcul des statistiques. Le plus grand avantage apparaît pour ρ ≳ 5, où la fraction d’événements détectés est de ∼95% contre ∼65% pour les critères stricts. Les distributions a posteriori des paramètres sont bien calibrées (test TARP), et la procédure prend ∼21 ms par événement — une accélération d’un facteur ∼16 000 par rapport aux méthodes MCMC.
Le remplacement des seuils déterministes par des facteurs bayésiens probabilistes permet d’ajuster avec souplesse l’équilibre entre complétude et pureté de l’échantillon en fonction de l’objectif scientifique. Il est particulièrement important que la nouvelle méthode élimine pratiquement la « zone aveugle » pour les événements à source finie forte — précisément là où se forme la population de planètes errantes de masses allant jusqu’à celle de la Terre. Les estimations a posteriori calibrées des paramètres de chaque événement ouvrent la voie à une analyse hiérarchique de la distribution des objets dans la Galaxie.
La méthode peut être étendue aux lentilles binaires, qui produisent des figures caustiques plus complexes. Une autre piste est l’inclusion dans l’entraînement de faux positifs astrophysiques (éruptions, variables à éclipses) et de bruits réalistes pour travailler avec les données réelles de Roman. Une fenêtre glissante pour les événements longs et une analyse bayésienne hiérarchique au niveau de la population sont également prévues.
La méthode est applicable à toute la classe de problèmes de recherche de transitoires sur des séries temporelles irrégulières — des supernovæ aux étoiles variables — où une prise de décision rapide avec une incertitude maîtrisée est requise.
Les prochaines étapes comprennent la validation sur les données réelles des relevés existants (OGLE, MOA) et l’adaptation à l’ingénierie des données de Roman.
Ce travail aborde le problème non résolu de la formation et de la prévalence des planètes errantes, ainsi que, dans un sens plus large, celui de la classification automatique des transitoires dans les grands relevés.
Cette section s'adresse à l'auteur du travail et à ses collègues. Les travaux voisins ont été trouvés par une recherche sémantique dans notre archive, et non par correspondance de mots. Nous n'évaluons pas : nous montrons le champ autour.
Ce que fait ce travail
Les auteurs ont développé un pipeline neuronal pour la détection et l'estimation des paramètres des événements de microlentille gravitationnelle. Un encodeur Transformer traite les séries temporelles irrégulières, et deux têtes — Evidence Network et Neural Posterior Estimation — produisent un facteur bayésien et une distribution a posteriori des paramètres. Sur des données synthétiques, la méthode atteint une complétude quasi parfaite, en particulier pour les événements à fort effet de source finie, et accélère l'estimation des paramètres de plusieurs ordres de grandeur par rapport à MCMC.
Où est sa force
La combinaison de la détection et de l'inférence dans une même architecture avec une représentation partagée permet d'ajuster finement l'équilibre entre complétude et pureté, tandis que les distributions a posteriori calibrées et les facteurs bayésiens offrent un contrôle probabiliste direct des erreurs. C'est particulièrement précieux pour les événements courts et faibles, où les méthodes de seuil classiques perdent en sensibilité.
Vers où avancer
À essayer
Pourquoi cela peut compter
Si les directions proposées permettent de maintenir une haute complétude et pureté sur les données réelles, cela nous rapprochera d'un recensement fiable de la population des planètes flottantes de masse terrestre et de la vérification des scénarios de leur formation et de leur éjection.
Travaux voisins dans notre archive
Le travail le plus proche de l'archive se situe à 0.64 par le sens — le niveau habituel de notre corpus.
L’événement de microlentille le plus court dû à une planète errante peut ne durer que quelques heures, mais notre « sentinelle » parvient à le repérer.
« La Planète errante » de Greg Bear : des mondes vagabonds qui auraient pu être découverts par la méthode de ce travail.