Même les images obtenues par les meilleurs télescopes au sol du monde sont floues en raison des poches d’air changeantes de l’atmosphère. Bien qu’apparemment inoffensif, ce flou obscurcit les formes des objets dans les images astronomiques, conduisant parfois à des mesures physiques remplies d’erreurs qui sont essentielles pour comprendre la nature de notre univers.

Des chercheurs de l’Université Northwestern et de l’Université Tsinghua de Pékin ont dévoilé une nouvelle stratégie pour résoudre ce problème. L’équipe a adapté un algorithme de vision par ordinateur bien connu utilisé pour affiner les photos et, pour la première fois, l’a appliqué à des images astronomiques provenant de télescopes au sol. Les chercheurs ont également formé l’algorithme d’intelligence artificielle (IA) sur des données simulées pour correspondre aux paramètres d’imagerie de l’observatoire Vera C. Rubin. Ainsi, lorsque l’observatoire ouvrira l’année prochaine, l’outil sera instantanément compatible.

Alors que les astrophysiciens utilisent déjà des technologies pour supprimer le flou, l’algorithme adapté basé sur l’IA fonctionne plus rapidement et produit des images plus réalistes que les technologies actuelles. Les images résultantes sont sans flou et plus fidèles à la réalité. Ils sont aussi beaux — même si ce n’est pas le but de la technologie.

« Le but de la photographie est souvent d’obtenir une jolie image », a déclaré Emma Alexander de Northwestern, auteur principal de l’étude. « Mais les images astronomiques sont utilisées pour la science. En nettoyant les images de la bonne manière, nous pouvons obtenir des données plus précises. L’algorithme supprime l’atmosphère par calcul, permettant aux physiciens d’obtenir de meilleures mesures scientifiques. En fin de compte, les images ne regarde mieux aussi. »

La recherche sera publiée le 30 mars dans le Avis mensuels de la Royal Astronomical Society.

Alexander est professeur adjoint d’informatique à la McCormick School of Engineering de Northwestern, où elle dirige le Bio Inspired Vision Lab. Elle a co-dirigé la nouvelle étude avec Tianao Li, étudiante de premier cycle en génie électrique à l’Université Tsinghua et stagiaire de recherche dans le laboratoire d’Alexandre.

Lorsque la lumière émane d’étoiles, de planètes et de galaxies lointaines, elle traverse l’atmosphère terrestre avant d’atteindre nos yeux. Non seulement notre atmosphère bloque certaines longueurs d’onde de lumière, mais elle déforme également la lumière qui atteint la Terre. Même un ciel nocturne clair contient encore de l’air en mouvement qui affecte la lumière qui le traverse. C’est pourquoi les étoiles scintillent et pourquoi les meilleurs télescopes au sol sont situés à haute altitude, là où l’atmosphère est la plus fine.

« C’est un peu comme regarder du fond d’une piscine », a déclaré Alexander. « L’eau repousse la lumière et la déforme. L’atmosphère est, bien sûr, beaucoup moins dense, mais c’est un concept similaire. »

Le flou devient un problème lorsque les astrophysiciens analysent des images pour en extraire des données cosmologiques. En étudiant les formes apparentes des galaxies, les scientifiques peuvent détecter les effets gravitationnels des structures cosmologiques à grande échelle, qui dévient la lumière sur son chemin vers notre planète. Cela peut faire apparaître une galaxie elliptique plus ronde ou plus étirée qu’elle ne l’est réellement. Mais le flou atmosphérique tache l’image d’une manière qui déforme la forme de la galaxie. La suppression du flou permet aux scientifiques de collecter des données de forme précises.

« De légères différences de forme peuvent nous renseigner sur la gravité dans l’univers », a déclaré Alexander. « Ces différences sont déjà difficiles à détecter. Si vous regardez une image d’un télescope au sol, une forme peut être déformée. Il est difficile de savoir si cela est dû à un effet gravitationnel ou à l’atmosphère. »

Pour relever ce défi, Alexander et Li ont combiné un algorithme d’optimisation avec un réseau d’apprentissage en profondeur formé sur des images astronomiques. Parmi les images de formation, l’équipe a inclus des données simulées qui correspondent aux paramètres d’imagerie attendus de l’observatoire Rubin. L’outil résultant a produit des images avec 38,6 % d’erreurs en moins par rapport aux méthodes classiques de suppression du flou et 7,4 % d’erreurs en moins par rapport aux méthodes modernes.

Lorsque l’observatoire Rubin ouvrira officiellement ses portes l’année prochaine, ses télescopes commenceront une étude approfondie d’une décennie sur une énorme partie du ciel nocturne. Parce que les chercheurs ont formé le nouvel outil sur des données spécialement conçues pour simuler les images à venir de Rubin, il pourra aider à analyser les données très attendues de l’enquête.

Pour les astronomes intéressés par l’utilisation de l’outil, le code open source convivial et les didacticiels qui l’accompagnent sont disponibles en ligne.

« Maintenant, nous transmettons cet outil, le mettant entre les mains d’experts en astronomie », a déclaré Alexander. « Nous pensons que cela pourrait être une ressource précieuse pour les relevés du ciel afin d’obtenir les données les plus réalistes possibles. »

L’étude, « Galaxy image deconvolution for low gravitational lensing with unrolled plug-and-play ADMM », a utilisé les ressources informatiques du Computational Photography Lab de la Northwestern University.