Lever le voile sur les galaxies : comment la déconvolution par IA révèle l'extinction externe de la formation stellaire
L'image d'une galaxie lointaine prise depuis la Terre ressemble à une vue à travers un verre dépoli : l'atmosphère estompe les détails, et la structure interne reste cachée. Les astronomes voulaient depuis longtemps savoir où exactement la formation stellaire s'éteint dans les galaxies, mais les télescopes au sol ne permettaient pas de discerner de fins gradients de couleur. Désormais, un réseau de neurones a appris à lever ce voile, restaurant la netteté à partir d'échantillons d'images spatiales.
Pour cette étude, neuf amas de galaxies ont été sélectionnés avec des redshifts de 1 à 1.4, c'est-à-dire que nous les voyons tels qu'ils étaient lorsque l'Univers avait environ 5 milliards d'années. Chaque image a été traitée par déconvolution : d'abord, le flou a été mathématiquement supprimé, puis le réseau de neurones a atténué le bruit. L'entraînement s'est fait sur des paires « image au sol floue – image spatiale nette de Hubble et James Webb ». En conséquence, une résolution d'environ 0.2 seconde d'arc a été atteinte, comparable à celle de Hubble, alors que le flou initial était de 0.5 à 0.8 seconde d'arc.
Après la restauration de la netteté, chaque galaxie a été divisée en une région interne contenant la moitié de la lumière et une région externe en contenant 90%. Les couleurs de ces régions ont permis de déterminer si des étoiles s'y forment. Il s'avère que parmi les galaxies considérées comme totalement éteintes d'après leur couleur intégrée, 21% présentent encore une formation stellaire au centre et 3% en périphérie. Dans les amas, la proportion 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 est de 19.9±4.5% et ne dépend pas de la masse stellaire, ce qui contredit les résultats antérieurs où cet excès augmentait avec la masse.
Ces résultats modifient notre compréhension de la manière dont les galaxies perdent leur capacité à former des étoiles. On pensait auparavant que l'efficacité de l'extinction dépendait fortement de la masse, mais on voit maintenant que les couleurs intégrées surestiment systématiquement la proportion de galaxies totalement éteintes, en particulier les plus massives. Les données spatialement résolues montrent que l'extinction se produit souvent de l'extérieur vers l'intérieur, ce qui souligne l'importance de telles données pour une interprétation correcte.
La méthode de déconvolution peut être étendue à d'immenses échantillons de galaxies issus de relevés au sol, tels que Rubin/LSST, où le flou atmosphérique limite la résolution. L'entraînement sur des images d'Euclid et de Roman permettra de restaurer la structure spatiale de milliards d'objets. À court terme, les auteurs prévoient d'étudier l'espace des phases des galaxies selon différents chemins d'extinction, afin de distinguer les mécanismes : l'arrachement par pression, l'étouffement ou l'interaction de marée. Lever le verre dépoli des galaxies lointaines ne fait que commencer.
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.