L’IAP PARTICIPE À L’ORGANISATION DE L’ARIEL DATA CHALLENGE 2024
Depuis 2019, l’équipe Ariel de UCL (University College London) organise une compétition annuelle ouverte sur un problème spécifique lié à la mission Ariel de l’ESA. La mission Ariel (lancement prévu en 2029) étudiera les exoplanètes par spectroscopie de transit autour d’étoiles brillantes. Un groupe de travail Ariel s’attaque depuis plus de cinq ans à l’étude des méthodes d’intelligence artificielle dans la réduction et l’interprétation des données.
Figure 1 : Le satellite Ariel Crédit : ESA/STFC RAL Space/UCL/UK Space Agency/ ATG Medialab
L’équipe IAP, menée par Virginie Batista, a participé comme compétitrice à l'Ariel Data Challenge 2023, dont la problématique portait sur les méthodes d’inversion de spectres de transit, pour déterminer la composition des atmosphères planétaires. En 2024, elle a rejoint l’équipe organisatrice du Data Challenge, dont l’objectif porte sur la réduction de données simulées venant du spectrographe AIRS et du système de pointage fin du satellite FGS d’Ariel, afin de prédire les spectres en transmission débruités de chacun des systèmes planétaires associés. Les différentes sources de bruit ont été générées par le simulateur d’instrument ExoSim d’Ariel, et comprennent le bruit de photon, le jitter, et bien d’autres erreurs systématiques. Virginie Batista et Angèle Syty, en collaboration avec Orphée Faucoz du CNES, ont fourni une solution préliminaire aux participants (« baseline »), qu’ils devront améliorer pour obtenir le meilleur score possible dans le cadre de la compétition. Le modèle a été développé sur des techniques simples de type réseau de Neurones Convolutifs (CNN) avec les librairies « open source » d’apprentissage profond Keras.
Ariel observe des spectres d’étoiles brillantes à basse résolution pendant plusieurs heures pour découvrir les signatures de l’atmosphère d’une planète en transit. Durant l’observation, le signal scientifique est profondément enfoui sous des erreurs systématiques. En partant d’images simulées du détecteur spectro-imageur AIRS et d’informations de télémétrie, il faut arriver à extraire le spectre de la planète. L’objectif est d’utiliser l’IA pour retrouver les spectres de la planète, pour comparer l’efficacité de telles méthodes avec les pipelines classiques de réduction de données. La préparation de l’Ariel Data Challenge 2024 (ADC2024) à l’IAP a été grandement facilitée par des moyens de calcul haute performance sur la machine Infinity1 de l’IAP – cependant la version finale qui sera publique doit être accessible à des moyens de calcul courants. Un travail de simplification et de compression des données a été mené pour assister les participants.
Au-delà de ces compétitions annuelles, l’objectif à terme de l’utilisation des techniques d’IA pour Ariel concerne l’amélioration (en qualité statistique et/ou en temps de calcul) des méthodes classiques d’inversion, de simulations et de réduction qui constitueront la base de préparation des données avant ingestion par les programmes de ML (Machine Learning). S’il est difficile de prédire quels seront dans quelques années les avantages et le domaine d’expansion des méthodes de ML, il est indispensable d’explorer ce domaine, et c’est l’objet d’une thèse Ariel, encadrée à l’IAP, débutant en octobre 2024.
En cette année olympique, la compétition Ariel qui s’ouvre le 2 août 2024 s’insère dans la conférence internationale en Machine Learning NEURIPS et est dotée d’un prix de 50 000$, qui permettra aux gagnants de faire connaître leurs meilleures techniques, et de participer au prochain Consortium meeting Ariel.
Notes
1. Le serveur Infinity de l’IAP a bénéficié d’un important financement de la Région Ile-de-France (DIM/ACAV).
Contacts
- Virginie Batista (coordinatrice)
Institut d'astrophysique de Paris, CNRS, Sorbonne Université
Virginie [point] Batista [à] iap [point] fr
P. Drossart & J. P. Beaulieu (chercheurs) ; A. Syty (stagiaire M2 et future doctorante IAP) et l’équipe Ariel de l’IAP.
Liens
Site principal ADC2024 (direction : Dr. Kai Hou (Gordon) Yip, UCL) : UCL/ADC2024
Le communiqué de presse du CNES
Mise en page : Jean Mouette
Août 2024