Un algorithme qui remplit des trous pour observer un trou noir

AUTEUR DE LA PUBLICATION

Aurélie Jean

author-avatar

Docteur en sciences de formation et entrepreneuse, elle navigue depuis plus de 10 ans dans les sciences numériques entre les États-Unis et la France. Aurélie a utilisé ses compétences en mathématiques et programmation informatique dans de nombreuses disciplines telles que l'ingénierie, la médecine, l’éducation, l’économie, la finance ou encore le journalisme. Aurélie s’engage plus généralement à développer un monde technologique inclusif en luttant contre les biais algorithmiques et en communiquant régulièrement et auprès du plus grand nombre sur les technologies numériques et l’intelligence artificielle.

Aurélie Jean

Katie Bouman a réussi la prouesse de fusionner les données d’ondes astrales provenant de huit radiotélescopes afin de reconstruire l’image du fameux trou.

Personne n’aura échappé à l’effervescence médiatique sur l’obtention des premières images d’un trou noir  ! Ce trou situé dans la galaxie Messier 87 à des dizaines de millions d’années lumière de la Terre, a pu être observé grâce à l’utilisation combinée de huit radiotélescopes répartis sur le globe. Un nom ressort de cette conquête : Katie Bouman. Quand elle était doctorante au MIT, elle a co-développé l’algorithme qui a permis de fusionner les données provenant des radiotélescopes afin d’obtenir une image continue sans trous. Une histoire on ne peut plus fractale : un algorithme bien pensé qui remplit des trous pour observer un autre trou !

C’est l’histoire d’une discipline à part entière qu’est l’algorithmique en imagerie. Dans cette science, on analyse, on trie, et on manipule des images et des données en deux ou trois dimensions dans le but d’obtenir une description pertinente du phénomène ou de la chose à observer. Ces algorithmes sont partout dans nos vies. Il existe des algorithmes de traitement d’images dans le but de détecter une tumeur sur une radiographie, d’identifier le niveau de maturité d’un fruit sur une chaîne de production, ou encore d’analyser la forme des cellules sanguines pour diagnostiquer certaines maladies. On est très souvent amenés à développer des algorithmes pour traiter des images ou des données partielles, parfois provenant de différentes sources, afin de créer une seule et même observation. C’est le cas de certains algorithmes de reconstruction en trois dimensions d’un bébé in utero par exemple, qui se réalise à partir d’images du bébé sous différents angles. Des extrapolations et des interpolations sont alors souvent nécessaires pour une reconstruction de qualité.

 

Fusion des données d’ondes astrales

Le cas du trou noir de la galaxie Messier 87 n’est pas si éloigné. Katie Bouman a dû fusionner les données d’ondes astrales provenant de ces huit radiotélescopes afin de reconstruire l’image de ce fameux trou ! Pour observer un trou si éloigné de notre système solaire il aurait fallu en théorie utiliser un radiotélescope de la taille de la terre, ce qui est bien évidemment irréalisable aujourd’hui. Le cas contraire, l’utilisation simultanée de plusieurs radiotélescopes, permet par une manipulation ingénieuse des données d’ondes de reconstruire une image censée se rapprocher fortement de la réalité.

Idéalement, si la surface entière du globe terrestre avait été recouverte de radiotélescopes, il aurait été plus simple de reconstruire l’image du trou, mais c’est oublier l’impossibilité d’une telle expérience et la quantité de données à analyser ! En effet, chacun des huit radiotélescopes a collecté plusieurs milliers de terabytes de données. Katie Bouman a dû également imposer certaines conditions à son algorithme de reconstruction pour écarter certaines erreurs dans la solution, comme sur les conditions de lissage dans la jointure des données. Les traitements effectués sur les données brutes après captation sont à dimensionner avec prudence au risque de créer une image dissemblable à la réalité. Elle et ses collaborateurs ont également testé à l’aveugle plusieurs algorithmes afin de confirmer la robustesse du modèle finalement retenu. Tous ont donné des images fortement analogues !

Ce trou est une bonne nouvelle pour les sciences. Et c’est un clin d’œil à Albert Einstein dont la théorie de la relativité générale décrit que la gravité peut déformer fortement l’espace-temps autour d’un objet massif, est à l’origine des arcs autour du trou noir observés par l’algorithme de Katie Bouman !


Publié dans Le Point 

AUTEUR DE LA PUBLICATION

Aurélie Jean

author-avatar

Docteur en sciences de formation et entrepreneuse, elle navigue depuis plus de 10 ans dans les sciences numériques entre les États-Unis et la France. Aurélie a utilisé ses compétences en mathématiques et programmation informatique dans de nombreuses disciplines telles que l'ingénierie, la médecine, l’éducation, l’économie, la finance ou encore le journalisme. Aurélie s’engage plus généralement à développer un monde technologique inclusif en luttant contre les biais algorithmiques et en communiquant régulièrement et auprès du plus grand nombre sur les technologies numériques et l’intelligence artificielle.

AUTEUR DE LA PUBLICATION

Aurélie Jean

author-avatar

Docteur en sciences de formation et entrepreneuse, elle navigue depuis plus de 10 ans dans les sciences numériques entre les États-Unis et la France. Aurélie a utilisé ses compétences en mathématiques et programmation informatique dans de nombreuses disciplines telles que l'ingénierie, la médecine, l’éducation, l’économie, la finance ou encore le journalisme. Aurélie s’engage plus généralement à développer un monde technologique inclusif en luttant contre les biais algorithmiques et en communiquant régulièrement et auprès du plus grand nombre sur les technologies numériques et l’intelligence artificielle.

Aurélie Jean

AUTEUR DE LA PUBLICATION

Aurélie Jean

author-avatar

Docteur en sciences de formation et entrepreneuse, elle navigue depuis plus de 10 ans dans les sciences numériques entre les États-Unis et la France. Aurélie a utilisé ses compétences en mathématiques et programmation informatique dans de nombreuses disciplines telles que l'ingénierie, la médecine, l’éducation, l’économie, la finance ou encore le journalisme. Aurélie s’engage plus généralement à développer un monde technologique inclusif en luttant contre les biais algorithmiques et en communiquant régulièrement et auprès du plus grand nombre sur les technologies numériques et l’intelligence artificielle.