Machine learning : une percée pour l’étude des pouponnières d’étoiles

L’intelligence artificielle peut rendre visible des phénomènes astrophysiques jusqu’ici inaccessibles. C’est ce qu’ont prouvé des scientifiques du CNRS, de l’IRAM, de l’Observatoire de Paris-PSL, et des écoles Centrale Marseille et Centrale Lille rassemblés au sein du programme ORION-BPour Outstanding Radio-Imaging of OrioN B. Ont été impliqués des scientifiques du Laboratoire d’études du rayonnement et de la matière en astrophysique et atmosphères (Observatoire de Paris – PSL/CNRS/Sorbonne Université/Université de Cergy-Pontoise), de l’Institut de radioastronomie millimétrique (IRAM), du Centre de recherche en informatique, signal et automatique de Lille (CNRS/Université de Lille/Centrale Lille), de l’Institut de recherche en astrophysique et planétologie (CNRS/Université Toulouse III Paul Sabatier), de l’Institut de recherche en informatique de Toulouse (CNRS/Toulouse INP/Université Toulouse III Paul Sabatier), de l’Institut Fresnel (CNRS/Aix-Marseille Université/Centrale Marseille), du Laboratoire d'astrophysique de Bordeaux (CNRS/Université de Bordeaux), du Laboratoire de physique de l'Ecole normale supérieure (CNRS/ENS Paris/Sorbonne Université/Université de Paris) et du Laboratoire Grenoble images parole signal automatique (CNRS/Université Grenoble Alpes), de l’Instituto de Física Fundamental (CSIC) (Espagne), de le National Radio Astronomy Observatory (Etats-Unis), de l’Université Chalmers (Suède), de l’Université de Cardiff (Royaume-Uni), de l’université Harvard (Etats-Unis), de l’Université Pontificia Católica (Chili).. Dans une série de trois articles publiés dans Astronomy & Astrophysics le 19 novembre 2020, ils présentent les observations les plus complètes d’une des régions de formation d’étoiles les plus proches de la Terre.

Lire le communiqué de presse