Skip to main content

Data Learning on Manifolds and Future Challenges

Article Category

Article available in the folowing languages:

Les mégadonnées donnent les moyens de comprendre la partie sombre de l’univers

Les mégadonnées («Big Data», en anglais) sont susceptibles de détenir la clé de certains des phénomènes les plus complexes décrits par la science, à condition que nous puissions donner un sens aux quantités vertigineuses d’informations qu’elles renferment. Le projet DEDALE a développé des algorithmes qui rendent justement cela possible, et les a utilisés pour mesurer la quantité de matière noire dans l’univers.

Économie numérique
Espace

Saviez-vous que l’univers était rempli de matière noire, qui déforme subrepticement la forme des objets que nous observons? Même les meilleurs astronomes ont encore beaucoup de choses à comprendre au sujet la matière noire: ils sont convaincus de sa présence, mais elle est invisible et ils ont du mal à prouver tout cela. C’est là qu’intervient la révolution des mégadonnées. Du Dark Energy Survey (DES), étude de l’énergie sombre récemment terminée, au Square Kilometer Array (SKA), qui est appelé à devenir le plus grand radiotélescope du monde, la quantité de données collectées par les missions récentes et futures devrait permettre d’importantes avancées. Mais extraire ces connaissances constitue un défi technologique de taille, qui nécessitera des méthodes d’analyse de données de nouvelle génération, comme celles développées dans le cadre du projet DEDALE. «Les techniques traditionnelles d’analyse de données s’appuient sur des astrophysiciens qualifiés qui prennent des décisions en ce qui concerne l’identification des galaxies et des étoiles parmi les objets figurant sur une image, la distance à laquelle se trouvent ces objets, le fait qu’on puisse, ou pas, en extraire la forme en fonction de la qualité des images, etc.», explique le Dr Samuel Farrens, chercheur au CEA Paris-Saclay et membre du projet. «Non seulement ces techniques s’avèrent dépassées et non optimales, mais elles ne peuvent pas non plus être utilisées pour traiter des données volumineuses. C’est comme regarder à la fois les rétroviseurs latéraux et frontal tout en conduisant une voiture: on a besoin de nouvelles méthodes de traitement automatique quand les humains ne sont plus capables d’effectuer la tâche en question.» DEDALE a rassemblé des spécialistes de la cosmologie et du traitement du signal, des mathématiciens, des informaticiens, des astrophysiciens et des experts en télédétection afin de s’attaquer à cette question, en se concentrant sur les problèmes que l’on devrait rencontrer dans le cadre des prochaines études astrophysiques et technologies de télédétection. Ils se sont penchés ensemble sur l’utilisation de techniques de pointe de traitement du signal et d’apprentissage profond et ont développé des logiciels efficaces pour les mettre en œuvre. Un des résultats dont le Dr Farrens est le plus fier est la production d’une carte montrant la distribution de la matière noire dans l’univers en relation avec le DES. Cela prouve à quel point les méthodes innovantes peuvent surpasser les techniques classiques. C’est un grand pas en avant vers des contraintes plus strictes sur les paramètres cosmologiques, ce qui fait office de Saint Graal pour les cosmologues du XXIe siècle. Bien évidemment, il ne s’agit là que de l’un des nombreux résultats remarquables du projet. DEDALE a notamment fait des progrès significatifs au niveau de l’estimation de la fonction d’étalement ponctuel (cruciale pour déterminer la forme des galaxies, l’un des principaux objectifs de la mission spatiale Euclid de l’Agence spatiale européenne); de l’estimation automatisée du décalage vers le rouge des galaxies (indiquant à quelle distance de la Terre se trouvent les galaxies); et du développement de systèmes alpha-shearlet (utiles pour le traitement d’images naturelles). Le Dr Farrens espère que l’impact de DEDALE continuera à se faire sentir dans un avenir proche. «En télédétection, par exemple, les porteuses font souvent l’objet de fortes contraintes de consommation électrique et la puissance de traitement requise pour exécuter tous les algorithmes d’imagerie, d’amélioration et d’analyse peut s’avérer trop importante pour les applications actuelles. Le projet DEDALE a constitué une étape importante dans le réglage et le portage d’architectures polyvalentes dans des démonstrateurs en temps réel capables de traiter plusieurs tâches avec un seul algorithme», explique-t-il. À présent achevé, DEDALE continue de vivre dans le cadre du projet COSMIC, en cours, qui cherche à résoudre les problèmes de reconstruction des images dans le traitement d’images, aussi bien en astronomie que dans le domaine biomédical. Ce nouveau projet pourrait avoir un impact considérable sur la médecine néonatale, car il est extrêmement difficile d’effectuer des IRM sur les nourrissons avec les méthodes traditionnelles.

Mots‑clés

DEDALE, mégadonnées, matière noire, étude de l’énergie sombre, analyse de données, Square Kilometre Array, SKA, télédétection, COSMIC

Découvrir d’autres articles du même domaine d’application