Blog

Jul 03, 2023

Vous voulez trouver des ovnis ? C'est un travail pour l'apprentissage automatique

En 2017, l'humanité a eu son premier aperçu d'un objet interstellaire (ISO), connu sous le nom de 1I/'Oumuamua, qui a bourdonné sur notre planète alors qu'il sortait du système solaire. Les spéculations abondent sur ce que cet objet

En 2017, l'humanité a eu son premier aperçu d'un objet interstellaire (ISO), connu sous le nom de 1I/'Oumuamua, qui a bourdonné sur notre planète alors qu'il sortait du système solaire. Les spéculations abondent sur ce que pourrait être cet objet car, sur la base des données limitées collectées, il était clair qu’il ne ressemblait à rien de ce que les astronomes avaient jamais vu. Une suggestion controversée était qu'il pourrait s'agir d'une sonde extraterrestre (ou d'un morceau d'un vaisseau spatial abandonné) traversant notre système. La fascination du public pour la possibilité de « visiteurs extraterrestres » a également été renforcée en 2021 avec la publication du rapport sur les ovnis par l'ODNI.

Cette décision a effectivement fait de l’étude des phénomènes aériens non identifiés (UAP) une activité scientifique plutôt qu’une affaire clandestine supervisée par les agences gouvernementales. Avec un œil sur le ciel et l’autre sur les objets orbitaux, les scientifiques proposent comment les récents progrès de l’informatique, de l’IA et de l’instrumentation peuvent être utilisés pour faciliter la détection d’éventuels « visiteurs ». Cela inclut une étude récente menée par une équipe de l’Université de Strathclyde qui propose comment l’imagerie hyperspectrale associée à l’apprentissage automatique pourrait conduire à un pipeline de données avancé pour caractériser l’UAP.

L'équipe était dirigée par Massimiliano Vasile, professeur de génie mécanique et aérospatial, et composée de chercheurs des écoles de génie mécanique et aérospatial et de génie électronique et électrique de l'Université de Strathclyde et du Centre Fraunhofer de photonique appliquée à Glasgow. Une prépublication de leur article, intitulée « Identification et classification des objets spatiaux à partir de l’analyse des matériaux hyperspectraux », a récemment été publiée en ligne et est en cours de révision pour publication dans Nature Scientific Reports.

Supprimer toutes les publicités sur Universe aujourd'hui

Rejoignez notre Patreon pour aussi peu que 3 $ !

Bénéficiez d'une expérience sans publicité à vie

Cette étude est la dernière d’une série portant sur les applications de l’imagerie hyperspectrale pour les activités spatiales. Le premier article, « Caractérisation intelligente des objets spatiaux avec imagerie hyperspectrale », est paru dans Acta Astronautica en février 2023 et faisait partie du projet Hyperspectral Imager for Space Surveillance and Tracking (HyperSST). Il s'agit de l'un des treize concepts d'atténuation des débris sélectionnés par l'Agence spatiale britannique (UKSA) pour un financement l'année dernière et constitue le précurseur du projet de classification hyperspectrale des débris spatiaux (HyperClass) de l'ESA.

Leur dernier article a exploré comment cette même technique d’imagerie pourrait être utilisée dans le domaine en pleine croissance de l’identification des PAN. Ce processus consiste à collecter et à traiter des données sur tout le spectre électromagnétique à partir de pixels uniques, généralement pour identifier différents objets ou matériaux capturés dans les images. Comme Vasile l'a expliqué à Universe Today par courrier électronique, l'imagerie hyperspectrale associée à l'apprentissage automatique a le potentiel de restreindre la recherche de technosignatures possibles en éliminant les faux positifs causés par les débris fabriqués par l'homme (étages épuisés, satellites défunts, etc.) :

« Si les PAN sont des objets spatiaux, alors ce que nous pouvons faire en analysant les spectres, c'est comprendre la composition du matériau même à partir d'un seul pixel. Nous pouvons également comprendre le mouvement d'attitude en analysant la variation temporelle des spectres. Les deux choses sont très importantes car nous pouvons identifier les objets par leur signature spectrale et comprendre leur mouvement avec des exigences optiques minimales.

Vasile et ses collègues proposent la création d'un pipeline de traitement de données pour traiter les images UAP à l'aide d'algorithmes d'apprentissage automatique. Dans un premier temps, ils ont expliqué comment un ensemble de données de spectres de séries chronologiques d'objets spatiaux est nécessaire pour le pipeline, y compris les satellites et autres objets en orbite. Cela inclut les objets débris, ce qui signifie intégrer les données du Bureau du programme des débris orbitaux (ODPO) de la NASA, du Bureau des débris spatiaux de l'ESA et d'autres organismes nationaux et internationaux. Cet ensemble de données doit être diversifié et inclure des scénarios orbitaux, des trajectoires, des conditions d'éclairage et des données précises sur la géométrie, la distribution des matériaux et le mouvement d'attitude de tous les objets en orbite à tout moment.