L’apprentissage automatique peut nous aider à comprendre ce que sont réellement les ovnis.
Face à l’intérêt croissant pour les phénomènes aériens non identifiés et les objets interstellaires, les scientifiques s’appuient sur des technologies de pointe, comme l’apprentissage automatique et l’imagerie hyperspectrale, pour plonger plus profondément dans l’inconnu cosmique.
L’année 2017 a été marquée par l'objet interstellaire »Oumuamua » qui a fait son apparition dans nos cieux et sa nature particulière et originale a suscité un débat passionné au sein de la communauté scientifique.
Parmi les théories intrigantes, certaines suggèrent qu’il pourrait s’agir d’un fragment d’engin extraterrestre.
Un regain d’intérêt pour l’exploration extraterrestre
Le rapport sur les OVNIs dévoilé par le Bureau du renseignement et de la sécurité (ODNI) en 2021 a renforcé l’intérêt du public pour cette question. Aujourd’hui, l’exploration des phénomènes aériens non identifiés (UAP) n’est plus seulement une opération secrète, mais une activité scientifique appréciée. Des chercheurs perspicaces exploitent l’IA, l’informatique contemporaine et des instruments de pointe pour repérer d’éventuels « visiteurs » cosmiques.
Une récente initiative de recherche de l’université de Strathclyde a mis en lumière la synthèse de l’imagerie hyperspectrale et de l’apprentissage automatique.
Dirigée par le professeur Massimiliano Vasile de l’ingénierie mécanique et aérospatiale, l’équipe interdisciplinaire a combiné l’expertise des domaines de l’ingénierie aérospatiale, de l’ingénierie électronique et électrique, et de la photonique.
Comme le révèle le site Universe Today, leur article, qui attend d’être publié dans Scientific Reports, traite de l’application de l’imagerie hyperspectrale aux activités spatiales. Il s’agit d’une suite à leur publication de février 2023 dans Acta Astronautica.
Percer les mystères des UAP grâce à l’imagerie avancée
L’imagerie hyperspectrale analyse le spectre électromagnétique et permet de déchiffrer différents matériaux dans les images. Comme l’a expliqué Vasile, la combinaison de cette technique avec l’apprentissage automatique permet de filtrer efficacement les débris spatiaux d’origine humaine et de se concentrer sur les technosignatures authentiques.
L’objectif ?
Disposer d’un ensemble complet de données sur les objets spatiaux, y compris les débris et autres entités en orbite. Bien que les données complètes restent difficiles à obtenir, l’équipe de Vasile a utilisé de manière innovante un logiciel de simulation de physique numérique pour entraîner les modèles d’apprentissage automatique.
À l’aide d’un mélange d’apprentissage automatique et d’analyse de régression mathématique, ils ont associé les données spectrales à des classes de matériaux spécifiques.
Les premiers tests – effectués en laboratoire, à l’aide de simulateurs haute fidélité et de télescopes – ont donné des résultats prometteurs, même si des difficultés persistent en raison d’une base de données de matériaux limitée.
L’équipe de Vasile prépare sa prochaine révélation, axée sur la reconstruction de l’attitude. Ces travaux novateurs devraient être présentés lors du forum et de l’exposition scientifique et technologique de l’AIAA en 2024 à Orlando, en Floride.
Écrire commentaire