Les méthodes d’apprentissage automatique (ML) ne se contentent pas de compléter la technologie déjà disponible, mais font également progresser la recherche scientifique. Aujourd’hui, une nouvelle méthode d’apprentissage profond a permis d’ajouter 301 exoplanètes à l’ensemble des données. Ces planètes ont été ajoutées aux 4 569 planètes déjà validées qui orbitent autour de plusieurs étoiles lointaines. Ces ajouts ont été effectués à l’aide d’une méthode neuronale profonde appelée ExoMiner, qui fonctionne pour le superordinateur Pléiades de la NASA afin de détecter de nouvelles planètes. Une fois alimenté par suffisamment de données, ExoMiner apprend à distinguer les vraies planètes des “faux positifs”. Il est conçu sur la base de divers tests et propriétés que les experts humains utilisent pour détecter les exoplanètes. Il est également alimenté par une base de données de planètes confirmées et de cas de faux positifs.
Dans un article publié dans l’Astrophysical Journal, l’équipe du centre de recherche Ames, dans la Silicon Valley californienne, montre comment ExoMiner a découvert les 301 planètes en utilisant les données disponibles dans les archives Kepler de la NASA.
Jon Jenkins, un scientifique spécialiste des exoplanètes à l’Ames Research Center, a déclaré : “Contrairement à d’autres programmes d’apprentissage automatique de détection d’exoplanètes, ExoMiner n’est pas une boîte noire – il n’y a aucun mystère quant à la raison pour laquelle il décide qu’une chose est une planète ou non.” ExoMiner est transparent quant aux données qui confirment ou rejettent une planète. Une planète est confirmée à l’aide de caractéristiques identifiables et ensuite, elle est validée à l’aide de statistiques. Aucune des 301 planètes récemment découvertes ne présente des conditions de vie similaires à celles de la Terre.
Hamed Valizadegan, chef de projet ExoMiner et responsable de l’apprentissage automatique, a déclaré : “ExoMiner est très précis et, à certains égards, plus fiable que les classificateurs automatiques existants et que les experts humains qu’il est censé imiter, en raison des biais qui accompagnent l’étiquetage humain.”
Les chercheurs estiment qu’ExoMiner a suffisamment “d’espace pour se développer”.
