Notre galaxie fabrique toujours activement des étoiles. Nous le savons depuis un certain temps, mais il est parfois difficile de comprendre la véritable échelle en termes astronomiques. Une équipe du Japon essaie d’aider à cela en utilisant une nouvelle technique d’apprentissage automatique pour identifier les régions de formation d’étoiles qui seront bientôt réparties dans la Voie lactée. Ils en ont trouvé 140 000.
Les régions, connues en astronomie sous le nom de nuages moléculaires, sont généralement invisibles pour les humains. Cependant, ils émettent des ondes radio, qui peuvent être captées par les énormes radiotélescopes disséminés autour de notre planète. Malheureusement, la Voie lactée est la seule galaxie assez proche où nous pouvons capter ces signaux, et même dans notre galaxie d’origine ; les nuages sont si éloignés les uns des autres qu’il a été difficile d’en saisir une image globale.
Crédit – Observatoire astronomique national du Japon, Nobeyama Radio Observatory
Par conséquent, une équipe de l’Université métropolitaine d’Osaka a pensé – l’apprentissage automatique à la rescousse. Ils ont pris un ensemble de données du radiotélescope Nobeyama situé dans la préfecture de Nagano et ont recherché la prévalence des molécules de monoxyde de carbone. Cela a abouti à un étonnant 140 000 nuages moléculaires visibles dans un seul quadrant de la Voie lactée.
Dans une prochaine étape, l’équipe a approfondi les données et déterminé leur taille, ainsi que leur emplacement dans le plan galactique. Étant donné qu’il y a quatre autres quadrants à explorer, il y a de fortes chances qu’il y en ait beaucoup plus à trouver.
Mais pour accéder à au moins deux de ces quadrants, ils ont besoin d’un radiotélescope différent. Nobeyama est situé au Japon, dans l’hémisphère nord, et ne peut pas voir le ciel du sud. De nombreux radiotélescopes, comme ALMA, sont déjà en ligne dans l’hémisphère sud. Certains sont à l’horizon, comme le Square Kilometre Array qui pourrait fournir un regard encore plus loin autour du plan galactique de l’hémisphère sud. L’équipe n’a qu’à choisir celle qu’elle souhaite utiliser.
L’un des grands avantages de l’IA est qu’une fois que vous l’avez formée, ce qui peut prendre beaucoup de temps, l’analyse d’ensembles de données similaires est un jeu d’enfant. Les travaux futurs sur davantage de données radio devraient tirer parti de ce fait et permettre au Dr Shinji Fujita et à son équipe d’analyser rapidement encore plus de régions de formation d’étoiles. Avec quelques recherches supplémentaires, nous pourrons vraiment comprendre le moteur de création de notre galaxie dans un avenir pas trop lointain.
