Pourquoi les galaxies s'éteignent de l'extérieur vers l'intérieur : un réseau de neurones lève le voile sur des images lointaines
La photographie d'une galaxie lointaine prise depuis la Terre ressemble à une vue à travers un verre dépoli : l'atmosphère estompe les détails, et nous ne voyons pas où exactement dans la galaxie naissent les étoiles. Un réseau de neurones a appris à lever ce voile, en restaurant la netteté à partir d'échantillons d'images spatiales.
Les scientifiques ont pris neuf amas de galaxies, que nous voyons tels qu'ils étaient lorsque l'Univers avait environ 5 milliards d'années. Après traitement, chaque galaxie a été divisée en une partie interne et une partie externe, et on a examiné par les couleurs si des étoiles s'y formaient. Il s'est avéré que parmi les galaxies considérées comme complètement éteintes, 21% conservent une formation d'étoiles au centre et 3% en périphérie. Dans les amas, la proportion de galaxies éteintes est plus élevée que dans le champ, mais cet excès ne dépend pas de la masse, ce qui contredit les conclusions précédentes.
Cela signifie que les galaxies s'éteignent souvent de l'extérieur vers l'intérieur, en particulier les petites. Auparavant, on pensait que l'efficacité de l'extinction dépendait fortement de la masse, mais maintenant on voit que la couleur globale trompait. La méthode peut être appliquée aux relevés au sol existants pour obtenir des informations sur des millions de galaxies sans nouvelles observations. 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.