Lever le voile sur les galaxies : comment la déconvolution par IA révèle l'extinction externe de la formation d'étoiles
Contexte
Ce travail s'inscrit dans la lignée des recherches qui utilisent l'apprentissage automatique pour traiter les images astronomiques et étudier l'évolution des galaxies en environnement dense. Des travaux voisins ont déjà montré que les réseaux de neurones peuvent reconstruire l'équation d'état des étoiles à neutrons à partir des ondes gravitationnelles, et que les cartes de couleurs des périphéries galactiques aident à résoudre le mystère des galaxies primitives « impossibles ». Dans cette même veine, cet article applique la déconvolution profonde à des images au sol afin d'examiner pour la première fois en détail où, à l'intérieur des galaxies, la formation d'étoiles s'éteint sous l'effet de l'environnement à grands redshifts.
Méthodes
Les chercheurs ont utilisé des images de neuf amas de galaxies issus du relevé GOGREEN, obtenues avec les télescopes au sol VLT, Subaru, Magellan et CFHT dans les domaines optique et proche infrarouge. Pour chaque image, ils ont construit un modèle de fonction d'étalement de point (PSF) décrivant le flou atmosphérique. Ils ont ensuite appliqué la méthode par réseau de neurones SUNet, qui effectue d'abord une déconvolution linéaire de Tikhonov, puis élimine le bruit à l'aide de convolutions multi-échelles de type ondelettes. Le modèle a été entraîné sur des paires « image au sol floue – image spatiale nette » provenant des télescopes Hubble et James Webb. Pour le proche infrarouge, trois nouveaux modèles ont été entraînés sur des données JWST/NIRCam du relevé COSMOS-Web. Après déconvolution, pour chaque galaxie, les flux ont été mesurés dans deux ouvertures elliptiques : une interne contenant 50 % de la lumière dans la bande Ks, et une externe contenant 90 %. À partir des couleurs normalisées I−J et J−K, calibrées sur les couleurs intégrées U−V et V−J, chaque région a été classée comme formatrice d'étoiles ou éteinte. Les galaxies ont été réparties en quatre classes : principalement formatrices d'étoiles, principalement éteintes, éteintes de l'intérieur, et éteintes de l'extérieur.
Résultats
La déconvolution a réussi pour 94.8 % des galaxies, et les échecs étaient presque toujours dus à un faible rapport signal sur bruit, et non à la taille de la galaxie. Parmi les galaxies classées comme éteintes par leurs couleurs intégrées, 21 % conservent une formation d'étoiles au centre et 3 % en périphérie. Dans les amas, la fraction de galaxies principalement éteintes est de 48.5±1.7 %, contre 35.7±2.9 % dans le champ. L'excès de galaxies éteintes dans les amas (QFE) est de 19.9±4.5 % et ne dépend pas de la masse stellaire, ce qui contredit les résultats précédents de GOGREEN où le QFE augmentait avec la masse. Parmi les galaxies ayant une formation d'étoiles résiduelle dans les amas, 38.6±2.1 % sont éteintes de l'extérieur et seulement 5.4±1.1 % de l'intérieur. Aux faibles masses (log M*/M⊙ de 10.2 à 10.6), l'excès de galaxies aux périphéries éteintes dans les amas est de 22.8±5.8 % (significativité de 3.9σ). Aux masses élevées, aucun excès significatif n'a été détecté.
Implications
Contrairement aux travaux voisins qui soit reconstruisaient les paramètres globaux des galaxies à partir de la lumière intégrée, soit étudiaient la morphologie sans lien avec la couleur, cette étude applique pour la première fois la déconvolution profonde à des données au sol pour une classification résolue spatialement de l'extinction de la formation d'étoiles dans des amas lointains. Cela a permis de voir directement que les couleurs intégrées surestiment systématiquement la fraction de galaxies entièrement éteintes, en particulier les plus massives. Ainsi, ce travail remet en question les conclusions antérieures sur une forte dépendance de l'efficacité d'extinction avec la masse et souligne l'importance des données résolues pour une interprétation correcte.
Développements futurs
La méthode peut être étendue à d'immenses échantillons de galaxies issus de relevés au sol, comme Rubin/LSST, où le flou atmosphérique limite la résolution. L'entraînement sur des images d'Euclid et de Roman permettra de reconstruire la structure spatiale de milliards d'objets. À court terme, les auteurs prévoient d'étudier l'espace des phases des galaxies avec différents chemins d'extinction afin de distinguer les mécanismes : l'arrachage par pression dynamique, l'étouffement ou l'interaction de marée.
Impact
Les résultats influenceront l'interprétation des données des grands relevés d'amas de galaxies et les modèles de formation et d'évolution des galaxies en environnement dense. La méthode de déconvolution est applicable à toutes les images au sol, ce qui étend les capacités des télescopes existants sans nouvelles observations.
Prochaines étapes
Étudier la distribution des galaxies de différentes classes dans l'espace des phases des amas (vitesse et distance au centre) afin de relier le type d'extinction à l'histoire orbitale. Obtenir des spectres ou une photométrie multibande pour estimer l'âge des populations stellaires dans les périphéries éteintes et ainsi contraindre les échelles de temps de l'extinction.
Problèmes ouverts clés
Ce travail aborde directement le problème de longue date du mécanisme responsable de l'extinction de la formation d'étoiles en environnement dense : l'étouffement lent (strangulation), l'arrachage rapide par pression dynamique (ram-pressure stripping) ou l'interaction de marée (harassment). Les données résolues spatialement montrant que l'extinction se produit de l'extérieur vers l'intérieur et qu'elle est plus marquée pour les galaxies de faible masse réduisent le nombre de candidats, mais ne permettent pas de trancher définitivement en faveur d'un mécanisme unique sans information sur les échelles de temps.
La déconvolution a permis d'atteindre une résolution d'environ 0.2 seconde d'arc, comparable à celle du télescope spatial Hubble, alors que les images au sol d'origine avaient un flou de 0.5 à 0.8 seconde d'arc. C'est comme lire un texte en petits caractères à travers un verre dépoli, puis soudainement voir les lettres nettement.
L'idée de reconstruire une structure cachée à partir de données floues fait écho à la technologie d'« amélioration d'image » de la science-fiction, par exemple dans la série « Star Trek » ou le film « Blade Runner », où l'ordinateur reconstitue les détails à partir de bribes d'informations. Ici, le réseau de neurones fait la même chose, mais strictement sur la base d'un échantillon d'entraînement d'images spatiales réelles.
Chiffres clés
- Fraction de galaxies aux périphéries éteintes dans les amas aux faibles masses: 22.8±5.8%
- Excès de galaxies éteintes dans les amas (QFE): 19.9±4.5%
- Taux de réussite de la déconvolution: 94.8%
- Fraction de galaxies à tort classées comme éteintes par les couleurs intégrées: 24%
- Redshift des amas étudiés: 1.0–1.4