Des amas de galaxies découverts dans les données Planck grâce à l'intelligence artificielle

Pour la première fois, en tirant avantage des méthodes novatrices de l'intelligence artificielle, une équipe de l'IAS a découvert, dans des observations du satellite Planck, des milliers d'amas de galaxies, publiés dans un nouveau catalogue.

Les données du satellite Planck ont déjà été utilisées à trois reprises dans la collaboration pour produire des catalogues d'amas de galaxies (ESZ-2009, PSZ1-2013, PSZ2-2015) en détectant l'effet Sunyaev - Zeld'ovich (SZ) qui trace le gaz chaud des amas de galaxies. La technique employée était celle du filtrage adapté multi fréquences appliqué aux six fréquences de l'instrument HFI (High Frequency Instrument) de Planck.

Dans cette toute nouvelle analyse, les auteurs ont procédé en deux étapes. Tout d'abord, une carte du ciel de l'effet SZ a été créée à partir des six cartes HFI. Ensuite, un réseau de neurones entraîné sur des amas connus a été appliqué pour éliminer les pixels de la carte ayant une très faible probabilité de tracer le gaz chaud. Un filtre a ensuite été utilisé pour ne garder que les ensembles de pixels traçant les amas de galaxies. Le catalogue final ainsi obtenu contient près de 4000 candidats d’amas de galaxies, dont seuls 10 % ont des probabilités non négligeables d'être des faux positifs. Ce nouveau catalogue est mis à disposition de la communauté au sein de la base de données d'amas de galaxies SZ de IDOC (IAS, http://szcluster-db.ias.u-psud.fr) et par le CDS (Centre de Données de Strasbourg).

Cette analyse est le fruit de nombreux développements sur plusieurs années, consacrés à la production des catalogues d'amas de galaxies de Planck ainsi qu'à leur validation. Cette étape de validation, mettant en commun des analyses statistiques et caractéristiques physiques, avait déjà été améliorée grâce aux réseaux de neurones (Aghanim et al. 2015). Une autre technique d'intelligence artificielle, basée sur des arbres de décision, avait aussi permis de caractériser les galaxies d'amas en estimant leur masse stellaire et leur taux de formation stellaire (Bonjean et al. 2019). Les prochaines étapes consisteront à utiliser des algorithmes d'intelligence artificielle non supervisés, mais guidés par la physique des amas de galaxies pour tirer profit de leur avantage à détecter les signaux faibles et séparer les composantes en même temps. Une étude de R&D (financée par le CNES), ainsi qu’une thèse, sont en cours sur le sujet.