DEEP LEARNING

PROJET DE RECHERCHE POUR L’ANALYSE DE TRÈS GRANDES MASSES DE DONNÉES D’ASTRONOMIE PAR RÉSEAUX DE NEURONES PROFONDS

Révolutionner les connaissances astrophysiques sur les origines du rayonnement cosmique et les phénomènes les plus violents de l’Univers : sursaut gamma, noyaux actifs de galaxie, supernovae… Voici l’objectif du futur grand instrument international d’astronomie gamma : CTA (Cherenkov Telescopes Array – projet majeur de l’European Strategy Forum on Research Infrastructures (ESFRI))

Le Laboratoire d’Annecy-le-Vieux de Physique des Particules (LAPP) est largement impliqué dans l’analyse des données du CTA. Ce réseau, en cours de construction, sera le plus grand observatoire terrestre voué à la détection des rayons gamma, avec plus de 100 télescopes répartis sur deux sites (Chili et Iles Canaries). Ses caractéristiques : un grand champ de vue, une résolution angulaire, une résolution en énergie et surtout une très grande sensibilité.

L’analyse stéréoscopique des données de ce type de télescope existe depuis plusieurs décennies. La quantité massive de données que produira l’observatoire impose aujourd’hui aux physiciens de rechercher de nouvelles solutions en termes de temps de calcul, tout en améliorant les performances d’analyse des données. Ces données se présentent sous la forme d’images dont l’analyse peut être abordée par des approches de type Deep Learning.

OBJECTIF

exploiter le remarquable potentiel du Deep Learning pour analyser les images CTA.

1 ) Fournir des solutions capables de gérer en temps réel la gigantesque masse de données.

2) Arriver à entraîner un réseau profond en ne disposant qu’une d’une faible quantité de données annotées (car l’obtention de ces données demandant l’intervention d’experts humains, elle ne peut être envisagée sur un très grand nombre d’images).

équipe

CTA réunira plus de 1300 chercheurs de 32 pays.

Une thèse est consacrée à ces enjeux scientifiques, co-encadrée par l’équipe de CTA du LAPP, experte dans l’analyse de données des télescopes Cherenkov, et le groupe du LISTIC expert en Deep Learning.

SOUTIEN de la fondation

La fondation USMB soutient le projet. Nous finançons une thèse sur trois ans en complément du financement du consortium Asterics/Obelics.