L'exploration spatiale est l'une des activités les plus captivantes de notre temps. En effet, les découvertes scientifiques et les avancées technologiques ont permis aux chercheurs de repousser la limite de planète étudiable à travers la galaxie. C’est dans ce contexte que la campagne Breakthrough Listen a mis au point un algorithme qui aurait découvert 8 signatures extraterrestres sur des planètes voisines.
Comment fonctionne cet algorithme ?
Afin de renforcer leur matériel de recherches et d’études des planètes, l’équipe de Breakthrough Listen s’est penchée sur les capacités de calcul et d’analyse des outils Big Data. Pour cela, ils ont d’abord testé toute une gamme d’algorithmes pour déterminer à la fois leur précision et la fréquence à laquelle ils fournissaient des présences potentielles de signaux extraterrestres. Après plusieurs batteries de test, celui qui a le mieux fonctionné est un algorithme combinant deux sous-domaines du machine learning, supervisé et non supervisé, qui, ensemble, peuvent parcourir de grands ensembles de données à la recherche de modèles cachés.
Pour s’assurer que leur nouvel algorithme n’était pas trompé par des interférences d’origine terrestre, l’équipe a entraîné son outil à faire la différence entre les interférences créées par l’homme et les signes potentiels provenant de l’extérieur de la Terre. De ce fait, cela leur a permis de faire la distinction entre ce qu’on appelle le « bruit » et les véritables signaux.
Ainsi, grâce à ce système, 8 technosignatures ont été découvertes, provenant de 5 systèmes stellaires différents.
UNE CARRIÈRE DANS LA DATA VOUS TEND LES BRAS !
Une reconversion dans le big data vous intéresse, mais vous ne savez pas par où commencer ? Découvrez nos formations en Data Science.
Participer à votre première formation data gratuitement !
Assistez aux cours dispensés en live par nos formateurs pour démarrer sur Python, SQL, Power BI…
UNE CARRIÈRE DANS LA DATA VOUS TEND LES BRAS !
Une reconversion dans le big data vous intéresse, mais vous ne savez pas par où commencer ?
Participer à votre première formation data gratuitement !
Quelles sont ces technosignatures ?
Une technosignature est un effet mesurable fournissant une preuve scientifique de l’existence d’une technologie passée ou présente. Elle est semblable à la biosignature, qui indique la présence de vie, intelligente ou non. Pour les trouver, les chercheurs de Breakthrough Listen ont analysé plus de 150 téraoctets de données, ce qui représentent les observations de 820 étoiles proches. A savoir que chaque étoile est située entre 30 et 90 années-lumière de la Terre. Bien qu’il s’agisse de distances très importantes, en termes galactiques, c’est le même voisinage.
Cependant, comment s’assurer qu’il s’agit bien de vraies technosignatures ? A cela, les scientifiques expliquent qu’elles sont présentes lorsqu’ils regardent l’étoile et absentes lorsqu’ils essayent ailleurs, contrairement aux interférences locales, qui sont généralement toujours présentes. En deuxième point, les signaux changent de fréquence au fil du temps, montrant une présence variante ou juste une trace d’un potentiel passage.
Avec ce nouvel algorithme, combiné à la prochaine génération de télescopes, les équipes de chercheurs espèrent pouvoir passer de plusieurs centaines d’étoiles étudiées à plusieurs millions.
L’avancée de la Data Science permet d’optimiser de nombreux processus ou actions en entreprises, dans le domaine de la santé mais également celui de l’espace. Grâce à elle, les chercheurs et astronautes sont capables de faire des avancées révolutionnaires. En effet, des satellites plus intelligents et performants sont souvent envoyés en orbite autour de la Terre afin de récolter de nombreuses données comme le satellite Gazelle, construit pour assurer la surveillance des océans ou encore le satellite JUICE dont l’objectif est de découvrir la vie sur Jupiter. C’est pourquoi, si la Data Science vous intéresse ou si vous envisagez une carrière dedans, n’hésitez pas à découvrir nos offres de formations et nos autres articles sur DataScientest.
Source : opendatascience.com
