Comme des boules de cristal pour les mystères plus profonds de l’univers, les galaxies et autres objets spatiaux massifs peuvent servir de lentilles à des objets et des phénomènes plus éloignés sur le même chemin, courbant la lumière de manière révélatrice.



La lentille gravitationnelle a été théorisée pour la première fois par Albert Einstein il y a plus de 100 ans pour décrire comment la lumière se courbe lorsqu’elle passe devant des objets massifs comme les galaxies et les amas de galaxies.

Ces effets de lentille sont généralement décrits comme faibles ou forts, et la force d’une lentille est liée à la position, à la masse et à la distance d’un objet par rapport à la source de lumière qui est lentillée. Les lentilles puissantes peuvent avoir 100 milliards de fois plus de masse que notre soleil, ce qui provoque l’agrandissement et la division de la lumière provenant d’objets plus éloignés sur le même chemin, par exemple en plusieurs images, ou sous la forme d’arcs ou d’anneaux spectaculaires.



La principale limitation des lentilles gravitationnelles fortes a été leur rareté, avec seulement plusieurs centaines confirmées depuis la première observation en 1979, mais cela change … et rapidement.

Une nouvelle étude menée par une équipe internationale de scientifiques a révélé 335 nouveaux candidats de lentille forte basés sur une plongée profonde dans les données collectées pour un projet de télescope soutenu par le Département américain de l’énergie en Arizona appelé Dark Energy Spectroscopic Instrument (DESI). L’étude, publiée le 7 mai dans The Astrophysical Journal, a bénéficié de l’algorithme d’apprentissage automatique gagnant dans un concours scientifique international.

« Trouver ces objets, c’est comme trouver des télescopes de la taille d’une galaxie », a déclaré David Schlegel, scientifique principal à la Division de physique du Lawrence Berkeley National Laboratory (Berkeley Lab) qui a participé à l’étude. « Ce sont de puissantes sondes de matière noire et d’énergie noire. »

Ces lentilles gravitationnelles nouvellement découvertes pourraient fournir des marqueurs spécifiques pour mesurer avec précision les distances aux galaxies dans l’ancien univers si des supernovae sont observées et précisément suivies et mesurées via ces lentilles, par exemple.

Les lentilles solides offrent également une fenêtre puissante sur l’univers invisible de la matière noire, qui représente environ 85 pour cent de la matière dans l’univers, car la majeure partie de la masse responsable des effets de lentille serait de la matière noire. La matière noire et l’expansion accélérée de l’univers, entraînée par l’énergie noire, sont parmi les plus grands mystères que les physiciens travaillent à résoudre.

Dans la dernière étude, les chercheurs ont recruté Cori, un supercalculateur au Centre national de recherche scientifique en énergie (NERSC) de Berkeley Lab, pour comparer automatiquement les données d’imagerie de la Dark Energy Camera Legacy Survey (DECaLS) – l’une des trois enquêtes menées en préparation du DESI – avec un échantillon d’entraînement de 423 lentilles connues et 9 451 non-lentilles.

Les chercheurs ont regroupé les lentilles solides candidates en trois catégories en fonction de la probabilité qu’elles soient en fait des lentilles: grade A pour les 60 candidats les plus susceptibles d’être des lentilles, grade B pour les 105 candidats avec des caractéristiques moins prononcées et grade C pour les 176 lentilles candidates qui ont des caractéristiques de lentille plus faibles et plus petites que celles des deux autres catégories.

Xiaosheng Huang, l’auteur principal de l’étude, a noté que l’équipe avait déjà réussi à gagner du temps sur le télescope spatial Hubble pour confirmer certains des candidats aux lentilles les plus prometteurs révélés dans l’étude, avec un temps d’observation sur le Hubble qui a commencé fin 2019.

« Le télescope spatial Hubble peut voir les moindres détails sans les effets de flou de l’atmosphère terrestre », a déclaré Huang.

Les lentilles candidates ont été identifiées à l’aide d’un réseau de neurones, qui est une forme d’intelligence artificielle dans laquelle le programme informatique est entraîné à améliorer progressivement sa correspondance d’images au fil du temps pour fournir un taux de réussite croissant dans l’identification des lentilles. Les réseaux de neurones informatisés s’inspirent du réseau biologique des neurones du cerveau humain.

« Il faut des heures pour former le réseau neuronal », a déclaré Huang. « Il existe un modèle d’ajustement très sophistiqué de » Qu’est-ce qu’un objectif ?  » et ‘Qu’est-ce qui n’est pas un objectif ?’  »

Il y a eu une analyse manuelle minutieuse des images de lentille pour aider à choisir les meilleures images pour former le réseau à partir de dizaines de milliers d’images, a noté Huang. Il s’est rappelé un samedi au cours duquel il s’est assis avec des étudiants chercheurs pendant toute la journée pour examiner des dizaines de milliers d’images afin d’élaborer des listes d’échantillons de lentilles et de non-lentilles.

« Nous ne les avons pas simplement sélectionnés au hasard », a déclaré Huang. « Nous avons dû augmenter cet ensemble avec des exemples sélectionnés à la main qui ressemblent à des lentilles mais ne sont pas des lentilles », par exemple, « et nous avons sélectionné ceux qui pourraient être source de confusion. »

La participation des étudiants a été essentielle dans l’étude, a-t-il ajouté. « Les étudiants ont travaillé avec diligence sur ce projet et ont résolu de nombreux problèmes difficiles, tout en prenant une charge complète de cours », a-t-il déclaré. L’un des étudiants qui a travaillé sur l’étude, Christopher Storfer, a ensuite été sélectionné pour participer au programme de stage de laboratoire de premier cycle scientifique (SULI) du DOE au Berkeley Lab.

Les chercheurs ont déjà amélioré l’algorithme utilisé dans la dernière étude pour accélérer l’identification d’éventuelles lentilles. Alors qu’environ 1 sur 10 000 galaxies agit comme une lentille, le réseau neuronal peut éliminer la plupart des non-lentilles. « Plutôt que de parcourir 10 000 images pour en trouver une, nous n’en avons maintenant que quelques dizaines », a-t-il déclaré.

Le réseau neuronal a été initialement développé pour le Strong Gravitational Lens Finding Challenge, un concours de programmation qui s’est déroulé de novembre 2016 à février 2017 et a motivé le développement d’outils automatisés pour trouver des lentilles solides.

Avec un nombre croissant de données d’observation et de nouveaux projets de télescopes tels que DESI et le Large Synoptic Survey Telescope (LSST), dont le démarrage est prévu en 2023, la concurrence est très vive pour exploiter ces données à l’aide d’outils d’intelligence artificielle sophistiqués, a déclaré Schlegel.

« Cette compétition est bonne », a-t-il déclaré. Une équipe basée en Australie, par exemple, a également trouvé de nombreux nouveaux candidats de lentilles utilisant une approche différente. « Environ 40 pour cent de ce qu’ils ont trouvé, nous ne l’avons pas fait », et de même l’étude à laquelle Schlegel a participé a trouvé de nombreux candidats de lentille que l’autre équipe n’avait pas.

Huang a déclaré que l’équipe a élargi sa recherche de lentilles dans d’autres sources de données d’imagerie du ciel, et l’équipe envisage également de se connecter à un ensemble plus large de ressources informatiques pour accélérer la chasse.

« L’objectif pour nous est d’atteindre 1 000 », a déclaré Schlegel.

Le NERSC est une installation utilisateur du DOE Office of Science.

Les participants à l’étude comprenaient des chercheurs de l’Université de San Francisco, du Berkeley Lab, du National Optical Astronomy Observatory, du Siena College, de l’Université du Wyoming, de l’Université de l’Arizona, de l’Université de Toronto et du Perimeter Institute for Theoretical Physics au Canada et de l’Université Paris -Saclay en France.