Suis nous sur
CIFAR header logo
en
menu_mobile_logo_alt
  • NOTRE IMPACT
    • Pourquoi le CIFAR?
    • Pôles d’impact
    • Nouvelles
    • Stratégie du CIFAR
    • Favoriser la résilience de la Terre
    • Impact IA
    • Impact des dons
    • CIFAR 40
  • Activités
    • Événements publics
    • Réunions sur invitation seulement
  • Programmes
    • Programmes de recherche
    • Stratégie pancanadienne en matière d’IA
    • Initiatives à l’intention de la prochaine génération
  • Communauté
    • Membres et spécialiste-conseils
    • Chercheurs mondiaux CIFAR-Azrieli
    • Chaires en IA Canada-CIFAR
    • Direction – Stratégie en matière d’IA
    • Membres du réseau de solutions
    • Direction – CIFAR
    • Répertoire du personnel
  • Soutenez-nous
  • À propos
    • Notre histoire
    • Prix
    • Partenariats
    • Publications et rapports
    • Carrières
    • Équité, diversité et inclusion
    • Déclaration du CIFAR sur la neutralité institutionnelle
    • Sécurité de la recherche
  • en
Apprentissage automatique, apprentissage biologique

La recherche en IA permet une percée en astronomie

Par: Krista Davidson
23 Mar, 2020
23 mars 2020
Bernhard

Il y a quelques décennies, la découverte d’un monde autre que le nôtre était inimaginable. Aujourd’hui, les astronomes ont détecté des milliers d’exoplanètes, c’est-à-dire des planètes en orbite autour d’autres étoiles que le Soleil. L’une d’entre elles, K2-18b, a fait la manchette dans le monde entier en septembre 2019, car il s’agissait de la première exoplanète, située dans la zone habitable de son étoile, dont l’atmosphère contenait des vapeurs d’eau. 

Cette découverte est révolutionnaire, car la présence d’eau sur K2-18b signifie qu’elle pourrait avoir des caractéristiques similaires à celles de la Terre et pourrait nous aider à comprendre notre propre planète. Il y a une autre raison pour laquelle cette planète est spéciale : elle a été découverte avec l’aide d’une équipe de chercheurs interdisciplinaires qui ont reconnu la relation entre l’inférence causale et les méthodes nécessaires pour découvrir la planète.

Bernhard Schölkopf, boursier du programme Apprentissage automatique, apprentissage biologique du CIFAR et directeur de l’Institut Max-Planck sur les systèmes intelligents, a codéveloppé l’approche d’apprentissage automatique permettant d’identifier des exoplanètes comme K2-18b.

Dans le passé, la chasse aux exoplanètes a grandement profité du télescope spatial Kepler de la NASA, un instrument qui permet aux scientifiques d’observer les variations d’intensité lumineuse lorsqu’une exoplanète passe devant son étoile à chaque orbite. Cependant, comme les planètes sont beaucoup plus petites que les étoiles, ces variations sont infimes. De plus, les signaux physiques enregistrés par des télescopes comme Kepler contiennent une quantité considérable de bruit indésirable. Cela rend les exoplanètes extrêmement difficiles à détecter, explique Bernhard Schölkopf.

En 2013, en collaboration avec l’astronome David Hogg et le physicien Dan Foreman-Mackey, le chercheur a voulu déterminer s’il était possible de repérer des exoplanètes grâce à l’apprentissage automatique en se servant des données fournies par Kepler. Bernhard Schölkopf et ses collaborateurs ont utilisé l’apprentissage automatique pour reconstruire le véritable signal d’une étoile à partir des données d’autres étoiles. En s’appuyant sur de vastes ensembles de données recueillies par Kepler sur plus de 100 000 étoiles, ils ont pu entraîner de puissants algorithmes d’apprentissage automatique pour éliminer les erreurs systématiques produites par l’instrument.

« Nous avons remarqué des points communs dans la lumière émise par différentes étoiles, de sorte que deux étoiles différentes qui sont à des années-lumière l’une de l’autre peuvent devenir plus sombres ou plus lumineuses en même temps, dit Bernhard Schölkopf. Lorsque cela se produit, c’est un indice que l’instrument est la cause de ces signaux, et non les étoiles. »

L’élimination du bruit dans les données fournies par le télescope Kepler est devenue particulièrement importante en 2013 lors de la défaillance des roues de réaction qui orientent l’instrument. La NASA a gardé le télescope en fonction en tirant parti de la pression de rayonnement du soleil et du carburant restant pour maintenir la stabilité du télescope, dans le cadre d’une mission baptisée K2.

En 2015, Bernhard Schölkopf et son équipe ont appliqué leurs méthodes d’entraînement aux données fournies par K2 et ont repéré 36 exoplanètes possibles. Plus de la moitié ont été ensuite confirmées par d’autres télescopes. Parmi celles-ci, K2-18b, une planète située à 124 années-lumière de la Terre.

Utiliser l’IA pour mieux comprendre le monde

La découverte de la vapeur d’eau dans l’atmosphère de K2-18b est survenue la même semaine que la remise du prix Körber 2019 à Bernhard Schölkopf pour ses contributions dans le domaine de l’apprentissage automatique. Il a reçu un million d’euros pour ses travaux sur les méthodes fondées sur l’utilisation de noyaux, qu’il définit comme une « forme mathématiquement élégante d’apprentissage automatique qui peut être appliquée aux données structurées et aux dépendances non linéaires ».

« C’était une bonne semaine, admet-il. Alors que je me préparais pour la remise des prix, David Hogg m’a envoyé un courriel pour m’informer qu’une des planètes que nous avions découvertes il y a quelques années avait fait les manchettes. C’était gratifiant de découvrir quelque chose de nouveau dans l’Univers. Mes recherches portent sur la compréhension des régularités dans le monde. C’est la base de la science, mais cela implique aussi l’intelligence, ce qui nous permet de faire des prévisions. »

En février 2020, Bernhard Schölkopf a été avisé qu’il allait recevoir le prix Frontières de la connaissance de la Fondation BBVA dans la catégorie Technologies de l’information et de la communication en juin 2020. Ce prix est assorti d’une somme de 400 000 euros.

Avec ses collègues du programme Apprentissage automatique, apprentissage biologique du CIFAR, Bernhard Schölkopf travaille actuellement sur des algorithmes robustes reposant sur des dépendances causales qui permettent aux machines de s’adapter à de nouveaux environnements.

« À mesure que les scientifiques recueillent de plus en plus de données et que la recherche sur l’apprentissage automatique et l’IA progresse, la possibilité que ces nouvelles méthodes contribuent à des avancées scientifiques importantes augmente », déclare Yoshua Bengio, codirecteur du programme Apprentissage automatique, apprentissage biologique du CIFAR et titulaire d’une chaire en IA Canada-CIFAR (Mila et Université de Montréal). « Je suis ravi de cette percée majeure, due en partie à mon ami et collaborateur Bernhard Schölkopf, un pilier du programme Apprentissage automatique, apprentissage biologique du CIFAR qui a récemment reçu des prix importants pour ses contributions exceptionnelles dans notre domaine. »

Apprentissage automatique, apprentissage biologique

Le programme Apprentissage automatique, apprentissage biologique du CIFAR a joué un rôle majeur dans la révolution de l’IA en examinant comment les réseaux neuronaux artificiels pouvaient s’inspirer du cerveau humain et en mettant au point une technique puissante : l’apprentissage profond.

Aujourd’hui, le programme élargit notre compréhension des principes informatiques et mathématiques fondamentaux qui développent l’intelligence par l’apprentissage, que ce soit dans les cerveaux ou dans les machines.

Les systèmes d’IA actuels ont une compréhension limitée du monde qui nous entoure. Le programme Apprentissage automatique, apprentissage biologique du CIFAR s’attaque à ces limites en revisitant les questions fondamentales plutôt qu’en se concentrant sur les progrès technologiques à court terme. Cette approche fondamentale a le double avantage d’améliorer la conception technique des machines intelligentes et d’expliquer l’intelligence.

  • Suivez-nous

Articles liés

  • Atelier en astronomie/cosmologie et intelligence artificielle du CIFAR
    19 juillet 2022
  • Quand l’Univers appelle, Raffaella Margutti répond
    22 mars 2021
  • Des boursiers du CIFAR précisent l’origine des sursauts radio rapides
    16 septembre 2020
  • Algorithmes en astronomie et en biomédecine
    03 septembre 2020

Soutenez-nous

L’Institut canadien de recherches avancées (CIFAR) est une organisation de recherche d’influence mondiale fièrement basée au Canada. Nous mobilisons les plus brillants personnes du monde, dans toutes les disciplines et à tous les stades de carrière, pour faire progresser les connaissances transformatrices et résoudre ensemble les plus grands problèmes de l’humanité. Nous recevons l’appui des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de particuliers, d’entreprises et d’organisations partenaires du Canada et du monde entier.

Dons
CIFAR footer logo

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada

Contactez-nous
Médias
Carrières
Politiques sur l’accessibilité
Bienfaiteurs
Rapports financiers
Abonnez-vous

  • © Copyright 2025 CIFAR. Tous les droits sont réservés.
  • Numéro d’enregistrement d’organisme de bienfaisance : 11921 9251 RR0001
  • Conditions d'utilisation
  • Politique de confidentialité
  • Plan du Site

Souscrire

Rejoignez notre communauté! Restez à jour avec nos nouvelles, événements, conférences et ateliers et dernières découvertes à travers le monde.

Fields marked with an * are required

I prefer to register in English (click here)


S'abonner aux bulletins d'information du CIFAR: *

Vous pouvez vous désabonner de ces communications à tout moment. Consultez notrepolitique de confidentialité.

 À titre d’abonné, vous recevrez aussi un exemplaire numérique de REACH, notre revue annuelle qui met en lumière nos chercheurs et leurs découvertes au moyen d’articles de fond, d’entrevues et d’illustrations.


Si vous souhaitez recevoir une édition papier de la revue REACH, veuillez fournir les renseignements supplémentaires suivants :


Ce site Web enregistre des témoins sur votre ordinateur. Ces témoins sont utilisés pour recueillir des renseignements sur votre interaction avec notre site Web et nous permettre de vous reconnaître. Nous utilisons ces renseignements afin d'améliorer et de personnaliser votre expérience de navigation et à des fins d'analyse et de mesures concernant nos visiteurs, tant sur ce site Web que sur d'autres médias. Pour en savoir plus sur les témoins que nous utilisons, consultez notre politique deconfidentialité.
Accepter En savoir plus

Notifications