Dévoiler le véritable âge des étoiles
Les modèles modernes d’évolution stellaire reposent sur la connaissance de l’abondance d’hélium, un ingrédient essentiel, mais difficile à contraindre. En tant que deuxième élément le plus abondant de l’univers, l’hélium détermine la composition interne, la température, la luminosité et la durée de vie ultime d’une étoile. Étant difficile à mesurer, les modèles traditionnels se contentent de deviner ou de supposer la teneur en hélium d’une étoile plutôt que de la déterminer à partir d’observations. Cette situation a engendré des incertitudes systématiques sur nos cartes cosmiques. L’objectif principal du projet CartographY, financé par le CER, était de dépasser les hypothèses aveugles et de rendre les profils stellaires non seulement plus précis, mais aussi véritablement fiables.
Échanger les conjectures contre des données «honnêtes»
«L’une des principales activités du projet consistait à cartographier et à mesurer l’hélium stellaire interne grâce à l’astérosismologie, l’étude des oscillations stellaires», note Guy Davies, coordinateur du projet. «En combinant des données astérosismologiques de haute qualité avec la spectroscopie et l’astrométrie, nous avons surmonté l’écueil lié à l’utilisation d’un ensemble unique et fixe d’hypothèses.» En regroupant ces données, l’équipe a déduit les propriétés stellaires, notamment la masse, le rayon, l’âge et la teneur en hélium, tout en quantifiant l’incertitude relative à ces propriétés. Pour transformer d’immenses quantités de données d’observation en données scientifiques fiables, CartographY a associé la physique stellaire, l’apprentissage automatique et l’inférence statistique. Les chercheurs ont construit de vastes grilles de modèles d’évolution stellaire, cartographiant comment différentes masses, abondances d’hélium et hypothèses de mélange interne affectent les propriétés observables d’une étoile. Le calcul des cycles de vie complets des étoiles étant extrêmement gourmand en ressources de calcul, l’équipe a entraîné des émulateurs d’apprentissage automatique à reproduire ces modèles détaillés beaucoup plus rapidement. Finalement, au lieu de traiter chaque étoile isolément, les chercheurs ont introduit des modèles hiérarchiques bayésiens(s’ouvre dans une nouvelle fenêtre). Ils ont ainsi été en mesure d’étudier simultanément des populations d’étoiles entières, ce qui a contribué à révéler des tendances plus générales, comme par exemple comment les niveaux d’hélium varient en même temps que ceux d’autres métaux dans différents groupes d’étoiles. «L’une des principales réussites du projet a été la capacité de déduire l’âge des étoiles de manière plus honnête et cohérente. Au lieu de se demander quel est l’âge d’une étoile selon un modèle rigide et potentiellement erroné, CartographY évalue la robustesse de cet âge à travers différents modèles plausibles d’évolution stellaire», explique Guy Davies. «En intégrant directement les incertitudes systématiques dans les équations, nous pouvons désormais distinguer les données stellaires véritablement bien contraintes des données qui ne paraissent précises que parce que les défauts du modèle ont été ignorés.» De plus, l’utilisation de données issues d’un modèle bayésien a offert à l’équipe une méthode rigoureuse pour comparer les modèles stellaires concurrents. «Plutôt que de choisir le modèle qui présente la plus faible incertitude formelle, il identifie les modèles qui sont réellement les mieux étayés par les données d’observation», explique Guy Davies.
Le problème de la rotation et la recherche d’étoiles hôtes d’exoplanètes
Pour valider les modèles et comprendre véritablement les limites des modèles stellaires actuels, la phase suivante nécessite d’étendre la méthode de CartographY à des échantillons d’étoiles plus grands et plus diversifiés. Un autre domaine d’étude crucial est la rotation stellaire. La rotation d’une étoile recèle des indices importants sur son âge, pourtant CartographY a révélé que notre compréhension actuelle de l’évolution de la rotation est moins sûre qu’on ne l’espérait. L’application trop stricte d’un modèle de rotation incorrect risque de biaiser les âges stellaires déduits. Par conséquent, plutôt que de se précipiter pour utiliser la rotation comme une mesure aveugle, l’équipe se concentre d’abord sur l’utilisation de son cadre bayésien pour valider et améliorer soigneusement les théories de la rotation. À l’avenir, cette nouvelle méthodologie est appelée à jouer un rôle crucial. Les prochaines missions, comme PLATO de l’ESA, fourniront bientôt des données de haute qualité sur les étoiles hôtes des exoplanètes. Il est dés lors plus important que jamais de disposer d’outils capables de fournir des profils stellaires véritablement précis, et non plus seulement très précis.
