Séparation des sursauts gamma

En appliquant un algorithme d’apprentissage automatique, des scientifiques de l’Institut Niels Bohr, Université de Copenhague, ont développé une méthode pour classer tous les sursauts gamma (GRB), explosions rapides à haute énergie dans des galaxies éloignées, sans avoir besoin de trouver une rémanence – par quels GRB sont actuellement classés. Cette percée, initiée par le B.Sc. de première année étudiants, peut s’avérer la clé pour enfin découvrir les origines de ces éclats mystérieux. Le résultat est maintenant publié dans Lettres du journal astrophysique.

Depuis que les sursauts gamma (GRB) ont été accidentellement détectés par les satellites de la guerre froide dans les années 70, l’origine de ces sursauts rapides a constitué un casse-tête important. Bien que de nombreux astronomes conviennent que les GRB peuvent être divisés en rafales plus courtes (généralement moins de 1 seconde) et plus longues (jusqu’à quelques minutes), les deux groupes se chevauchent. On a pensé que des salves plus longues pourraient être associées à l’effondrement d’étoiles massives, tandis que des salves plus courtes pourraient plutôt être causées par la fusion des étoiles à neutrons. Cependant, sans la possibilité de séparer les deux groupes et d’identifier leurs propriétés, il a été impossible de tester ces idées.

Jusqu’à présent, il n’a été possible de déterminer le type d’un GRB qu’environ 1% du temps, lorsqu’un télescope a pu pointer vers l’emplacement de la rafale assez rapidement pour capter la lumière résiduelle, appelée rémanence. Cela a été une étape si cruciale que les astronomes ont développé des réseaux mondiaux capables d’interrompre d’autres travaux et de rejointoyer de grands télescopes quelques minutes après la découverte d’un nouvel éclatement. Un GRB a même été détecté par l’Observatoire LIGO à l’aide d’ondes gravitationnelles, pour lequel l’équipe a reçu le prix Nobel 2017.

Percée réalisée grâce à un algorithme d’apprentissage automatique

Maintenant, les scientifiques de l’Institut Niels Bohr ont développé une méthode pour classer tous les GRB sans avoir besoin de trouver une rémanence. Le groupe, dirigé par un B.Sc. de première année Les étudiants en physique Johann Bock Severin, Christian Kragh Jespersen et Jonas Vinther ont appliqué un algorithme d’apprentissage automatique pour classer les GRB. Ils ont identifié une séparation nette entre les GRB longs et courts. Leur travail, réalisé sous la supervision de Charles Steinhardt, rapprochera les astronomes de la compréhension des GRB.

Cette percée pourrait s’avérer la clé pour enfin découvrir les origines de ces éclats mystérieux. Comme l’explique Charles Steinhardt, professeur associé au Cosmic Dawn Center de l’Institut Niels Bohr, «Maintenant que nous avons deux ensembles complets disponibles, nous pouvons commencer à explorer les différences entre eux. Jusqu’à présent, il n’y avait pas eu d’outil pour le faire. « 

De l’algorithme à la carte visuelle

Au lieu d’utiliser un ensemble limité de statistiques récapitulatives, comme c’était généralement le cas jusqu’alors, les étudiants ont décidé de coder toutes les informations disponibles sur les GRB en utilisant l’algorithme d’apprentissage automatique t-SNE. L’algorithme d’incorporation de voisinage stochastique distribué en t prend des données complexes de haute dimension et produit une carte simplifiée et visuellement accessible. Il le fait sans interférer avec la structure de l’ensemble de données. « La particularité de cette approche », explique Christian Kragh Jespersen, « est que t-SNE ne force pas à deux groupes. Vous laissez les données parler d’elles-mêmes et vous dites comment elles doivent être classées. »

Lumière sur les données

La préparation de l’espace des fonctionnalités – l’entrée que vous donnez à l’algorithme – a été la partie la plus difficile du projet, explique Johann Bock Severin. Essentiellement, les étudiants devaient préparer l’ensemble de données de manière à ce que ses caractéristiques les plus importantes se démarquent. «J’aime comparer cela à accrocher vos points de données au plafond dans une pièce sombre», explique Christian Kragh Jespersen. « Notre principal problème était de déterminer dans quelle direction nous devrions mettre en lumière les données pour rendre les séparations visibles. »

«Étape 0 pour comprendre les GRB»

Les étudiants ont exploré l’algorithme d’apprentissage automatique t-SNE dans le cadre de leur projet de première année, un cours de première année du baccalauréat en physique. « Au moment où nous sommes arrivés à la fin du cours, il était clair que nous avions un résultat assez significatif », explique leur superviseur Charles Steinhardt. La cartographie du t-SNE par les élèves divise clairement tous les GRB de l’observatoire Swift en deux groupes. Surtout, il classe les GRB qui étaient auparavant difficiles à classer. «Il s’agit essentiellement de l’étape 0 pour comprendre les GRB», explique Steinhardt. « Pour la première fois, nous pouvons confirmer que des GRB plus courts et plus longs sont en effet des choses complètement séparées. »

Sans aucune formation théorique préalable en astronomie, les étudiants ont découvert une pièce clé du puzzle entourant les GRB. À partir de là, les astronomes peuvent commencer à développer des modèles pour identifier les caractéristiques de ces deux classes distinctes.