Les algorithmes d’intelligence artificielle ou IA entraînés sur des observations astronomiques réelles accélèrent le rythme des découvertes. Cependant, des astronomes de l’Université de Californie à Berkeley ont découvert que l’IA peut révéler des connexions insoupçonnées cachées dans des mathématiques complexes issues de la relativité générale – en particulier, comment cette idée est appliquée à la découverte de nouvelles planètes autour d’autres étoiles. Un algorithme d’IA conçu pour localiser plus rapidement les exoplanètes lorsque ces systèmes planétaires passent devant une étoile de fond et l’éclaircissent temporairement – ce que l’on appelle le microlentillage gravitationnel – a révélé que les théories employées pour expliquer ces découvertes étaient incomplètes.
Albert Einstein a démontré en 1936 comment la gravité d’une étoile d’avant-plan peut déformer la lumière d’une étoile lointaine, non seulement en l’éclairant vue de la Terre, mais aussi en la divisant en plusieurs points lumineux ou en la courbant en un anneau, aujourd’hui connu sous le nom d’anneau d’Einstein.
L’éclaircissement dans le temps est plus compliqué lorsque l’objet de premier plan est une étoile avec une planète. De plus, il existe de nombreuses orbites planétaires qui peuvent également expliquer une courbe de lumière donnée, connues sous le nom de dégénérescences. Les humains ont simplifié les calculs et sont ainsi passés à côté d’une image plus large.
L’algorithme d’IA, en revanche, a mis en évidence un moyen mathématique d’unifier les deux principaux types de dégénérescence dans l’interprétation de ce que les télescopes détectent pendant le microlentillage. Il a démontré que les deux théories sont en fait des cas particuliers d’une théorie plus large qui est probablement encore incomplète, selon les chercheurs. Ils ont consigné leurs résultats dans un article publié dans la revue Nature Astronomy.
Joshua Bloom, professeur d’astronomie à l’UC Berkeley et président du département, avait écrit dans un billet de blog il y a quelques mois qu’ils avaient découvert quelque chose de nouveau et d’essentiel sur les équations qui régissent l’effet relativiste général de la courbure de la lumière par deux corps lourds, grâce à une approche d’inférence par apprentissage automatique qu’ils avaient précédemment développée.
Bloom a établi un lien entre la découverte de Keming Zhang, étudiant diplômé de l’UC Berkeley, et les liens établis par l’équipe d’IA de Google, DeepMind, entre deux domaines des mathématiques. Ces exemples montrent que les systèmes d’IA peuvent découvrir des relations fondamentales qui échappent aux humains.
Bloom a déclaré qu’à son avis, il s’agissait de l’un des premiers exemples d’utilisation de l’IA pour fournir directement de nouvelles connaissances théoriques en mathématiques et en astronomie. Ils ont cherché un cadre d’IA pour agir comme une fusée intellectuelle pour les scientifiques, tout comme Steve Jobs pensait que les ordinateurs pouvaient être des bicyclettes mentales, a déclaré Bloom.
Le co-auteur Scott Gaudi, professeur d’astronomie à l’Université d’État de l’Ohio, a déclaré qu’il s’agissait d’une étape importante pour l’IA et l’apprentissage automatique. Les experts dans ce domaine qui travaillent avec des données depuis des décennies n’avaient pas remarqué cette dégénérescence jusqu’à ce que la méthode d’apprentissage automatique de Keming l’identifie.
