Pour en savoir plus sur les profondeurs de notre galaxie et les mystères de la formation des étoiles, des chercheurs japonais ont créé un modèle d'apprentissage profond. L'équipe dirigée par l'Université métropolitaine d'Osaka a utilisé l'intelligence artificielle pour analyser les vastes quantités de données acquises par les télescopes spatiaux, découvrant des structures en forme de bulles qui n'étaient pas incluses dans les bases de données astronomiques existantes.
La Voie Lactée dans laquelle nous vivons, comme d'autres galaxies de l'univers, présente des structures en forme de bulles formées principalement lors de la naissance et de l'activité d'étoiles massives. Ces bulles de Spitzer détiennent des indices importants pour comprendre le processus de formation des étoiles et l'évolution des galaxies.
Shimpei Nishimoto, étudiant à l'École supérieure des sciences, et le professeur Toshikazu Onishi ont collaboré avec des scientifiques de tout le Japon pour développer ce modèle d'apprentissage profond. Utilisant les données des télescopes spatiaux Spitzer et James Webb, le modèle utilise la reconnaissance d'images par IA pour détecter efficacement et précisément les bulles Spitzer. Ils ont également détecté des structures en forme de coquille, probablement issues d'explosions de supernovae. « Nos résultats montrent qu'il est possible de mener des recherches détaillées non seulement sur la formation des étoiles, mais aussi sur les effets des événements explosifs au sein des galaxies », a déclaré l'étudiant diplômé Nishimoto. Le professeur Onishi a ajouté : « À l’avenir, nous espérons que les progrès de la technologie de l’IA accéléreront l’élucidation des mécanismes de l’évolution des galaxies et de la formation des étoiles. »
Plus d'informations : Shimpei Nishimoto et al., Reconnaissance de bulles infrarouges dans la Voie lactée et au-delà grâce à l'apprentissage profond, Publications de la Société astronomique du Japon (2025). DOI : 10.1093/pasj/psaf008
Fourni par l'Université métropolitaine d'Osaka
