Les astronomes vont bientôt faire face à un défi rare dans leur domaine : gérer une augmentation écrasante du volume de données d’observation. Cette explosion des données provient d’un télescope numérique révolutionnaire, qui capture une nouvelle portion du ciel nocturne environ toutes les 40 secondes et génère quelque 1 000 images par nuit.
Baptisé « Vera C. Rubin Observatory », en hommage à une astronome américaine qui a contribué à prouver l’existence de la matière noire, le télescope a été financé conjointement par la National Science Foundation américaine et le département américain de l’Énergie. Il est situé au sommet du Cerro Pachón, dans les Andes chiliennes.
Un télescope conçu pour les données
L’observatoire Rubin est unique par la quantité de données qu’il collecte. Bien que le miroir du télescope, large de 28 pieds, ne soit pas particulièrement impressionnant, il est équipé de la plus grande caméra numérique au monde, dotée de 3,2 milliards de pixels par image. Cela représente environ 6,4 milliards d’octets de données capturées à chaque prise de vue.
Plus remarquable encore, le télescope collectera des données chaque jour pendant 10 ans, produisant un volume vertigineux de 60 millions de milliards d’octets de données d’image.
Du stockage à la distribution mondiale
La gestion de ce volume d’informations présente plusieurs difficultés.
La première concerne le stockage. Pour y remédier, l’observatoire Rubin a construit un centre de données de haute technologie capable de conserver jusqu’à un mois d’images en cas de panne du réseau. Un câble de 60 miles en fibre optique relie l’observatoire à La Serena, au Chili, même si la ligne est parfois endommagée.
De là, les données sont transmises au SLAC National Accelerator Laboratory, un centre de recherche du département américain de l’Énergie situé à Menlo Park, en Californie, pour une analyse avancée. Ce processus fait appel à des logiciels qui comparent des copies d’une même image prises sur trois nuits consécutives afin d’identifier les changements.
Comment l’IA aide les astronomes à explorer le ciel
Les logiciels de Rubin détectent environ 10 000 changements par image, ce qui produit près de 10 millions d’alertes chaque nuit. Pour rendre ces données exploitables, l’observatoire collabore avec neuf organisations externes appelées intermédiaires de données. Ces systèmes trient et classent les changements, permettant aux astronomes de différentes spécialités d’accéder aux observations les plus pertinentes pour leurs travaux.
« Il vaut mieux transmettre ces données à une communauté mondiale de scientifiques dotés de compétences et d’expertises très variées, afin qu’ils y apportent leurs connaissances », a déclaré au New York Times Leanne Guy, spécialiste de la gestion des données de l’observatoire.
Les intermédiaires de données emploient plusieurs méthodes pour trier les données du télescope. L’une d’elles repose sur les méthodes classiques d’apprentissage automatique, qui catégorisent les événements selon des critères prédéfinis. Une autre s’appuie sur les réseaux neuronaux et d’autres méthodes modernes d’apprentissage profond qui définissent elles-mêmes leurs critères pour identifier différents phénomènes.
Une nouvelle forme d’astronomie
L’observatoire Rubin marque le début d’une nouvelle ère dans la recherche cosmique. Les astronomes auront seulement besoin de réseaux à haut débit, de ressources de calcul dans le cloud et d’algorithmes d’IA pour mener leurs recherches à tout moment et en tout lieu.
« Nous produisons une montagne de données pour chacun », a déclaré William O’Mullane, directeur adjoint chargé de la gestion des données de l’observatoire, selon le New York Times. « Alors, l’idée de venir au télescope pour effectuer votre observation n’existe plus, n’est-ce pas ? Votre observation a déjà été réalisée. Il vous suffit de la trouver. »
Découvrez l’analyse approfondie d’eWeek consacrée à la manière dont l’IA transforme la recherche de vie extraterrestre sur des exoplanètes semblables à la Terre — et ce que cela implique pour l’avenir de l’exploration spatiale.