Starfall : trouver une météorite avec des drones et l’IA

Sortez par une nuit claire et si vous êtes très chanceux, vous verrez le ciel tomber. La NASA estime que 50 000 météorites spatiales ont été trouvées sur Terre.

Les étoiles filantes ou les boules de feu qu’elles forment lorsqu’elles pénètrent dans l’atmosphère peuvent être belles, mais elles sont difficiles à suivre. Sur ces 50 000, les astronomes n’ont pu tracer les orbites passées que d’environ 40.

C’est pourquoi Seamus Anderson et ses collègues de l’Université Curtin en Australie ont peut-être fait une première importante. Ils rapportent qu’ils ont récupéré une météorite dans l’arrière-pays australien éloigné qui suivait autrefois une ellipse entre les orbites de Vénus et de Jupiter et qu’ils l’ont choisie de nulle part avec deux drones et l’apprentissage automatique.

C’était une semi-surprise, dit Anderson, un Américain qui est venu à Curtin en 2018 pour faire son doctorat. travailler sur la technologie pour les recherches de météorites. Nous ne nous attendions pas à avoir autant de succès la première fois.

Le Curtins Space Science and Technology Center, dans la ville de Perth, gère le Desert Fireball Network, un système de 50 caméras automatisées qui surveillent le ciel nocturne australien à la recherche de météores entrants. Une nuit l’année dernière, deux des caméras ont suivi une traînée dans le ciel et le système a calculé qu’un petit rocher s’était probablement écrasé dans les broussailles du désert d’Australie occidentale, dans une région connue sous le nom de Nullarbor. Les observations n’étaient pas idéales, ils ont estimé que la météorite pesait entre 150 et 700 grammes et était tombée dans une zone de 5 kilomètres carrés, mais Anderson et deux collègues ont décidé de faire une excursion sur le terrain. En décembre, ils sont partis de Perth pour un trajet de plus de 1 000 km à la recherche d’une aiguille dans une botte de foin : un morceau de roche noirci sur le sol du désert, à 50 km de la route goudronnée la plus proche.

Dans le passé, le voyage aurait été tout sauf inutile. Les chasseurs de météorites fouillent généralement le sol à pied, marchant d’avant en arrière selon un quadrillage et espérant toucher de la terre. Quatre-vingt pour cent du temps, ils échouent.

Il a été démontré que les gens sont tout simplement terribles pour ce genre de tâches répétitives, dit Anderson. Un problème majeur est que les humains ne font tout simplement pas attention.

Par la répétition, la machine et les chercheurs ont appris à gérer les faux positifs : bouteilles, canettes, racines de plantes du désert et parfois des os de kangourou.

C’est là que la technologie est entrée en jeu. Ils ont utilisé du matériel prêt à l’emploi, un drone quadricoptère avec un appareil photo de 44 mégapixels et un ordinateur de bureau avec une bonne carte vidéo. La partie inhabituelle était le réseau neuronal convolutif qu’ils exécutaient sur ce logiciel d’apprentissage automatique que les campeurs de l’arrière-pays ne transportaient pas souvent.

Le Saint Graal de la chasse aux météorites à l’heure actuelle est un drone qui peut quadriller une zone géographique, regarder le sol et trouver des météorites avec l’IA, explique Mike Hankey de l’American Meteor Society.

Seamus Anderson [right] pose avec ses deux collègues, pointant tous les deux la météorite qu’ils viennent de trouver. La photo a été prise avec le drone qu’ils avaient utilisé pour localiser le spécimen.Seamus Anderson/Université Curtin

Un système d’apprentissage automatique a besoin de données de formation sur le monde à partir desquelles il peut extrapoler pour que les chercheurs lui fournissent des images de drones du terrain de Nullarbor. Certains d’entre eux comprenaient des échantillons de météorites empruntés à un musée local et plantés sur le sol. Ces images ont reçu un score de 1 météorite définie, même si chacune n’apparaissait que sous la forme d’un point noir. D’autres images montrant un terrain aléatoire à proximité ont été notées comme 0pas de météorite ici. Par la répétition, la machine et les chercheurs ont appris à gérer les faux positifs : bouteilles, canettes, racines de plantes du désert et parfois des os de kangourou.

C’est comme entraîner votre enfant à comprendre à quoi ressemble un chien, dit maintenant Anderson. Vous pourriez montrer beaucoup d’images de rien d’autre que des Labs noirs et ensuite, quand il verra une photo d’un berger allemand, il va peut-être paniquer et ne pas savoir exactement ce qu’il est censé faire. Vous devez donc lui donner de nombreuses occasions de savoir à quoi peut ressembler une météorite dans cet arrière-plan.

En haut : Le météore entrant et où il a atterri en Australie occidentale. En bas à gauche : l’orbite probable du météoroïde avant qu’il ne touche la Terre. En bas : La section des scientifiques du désert recherchée.

Seamus Anderson/Université Curtin

Ils ont commencé à arpenter : 43 vols de drones sur trois jours, faisant des allers-retours à une altitude d’environ 20 mètres, enregistrant 57 255 images. De retour au camp, ils ont commencé à traiter leurs images. À partir des quatre premiers vols seuls, l’algorithme a donné à 59 384 objets un score d’au moins 0,7 sur cette échelle de 0 à 1 sur un grand nombre de spécimens possibles. Les chercheurs ont rapidement pu les réduire à 259 puis 38, qu’ils ont réinspectés avec un deuxième drone plus petit. Bientôt ils ne furent plus que quatre, et partirent à pied, guidés par GPS, pour les retrouver.

Avant d’arriver à la conclusion, il vaut la peine de s’arrêter pour se demander pourquoi les météorites valent la peine d’être chassées. Les scientifiques de l’espace diront que certains datent des débuts du système solaire. Certains contiennent des acides aminés, ces éléments de base de la vie. Quelques-uns sont assez grands pour faire du mal. D’autres, souligne Anderson, contiennent des éléments rares, peut-être précieux pour les technologies futures mais difficiles à exploiter sur Terre.

Il y avait donc matière à réflexion dans la chaleur du désert, l’univers, la fiabilité de leurs algorithmes, car Anderson et ses deux camarades arpentaient le sol à la recherche d’un rocher noirci.

Puis un de mes amis du voyage, John Fairweather, a dit l’une des choses les plus ennuyeuses que l’on puisse entendre à ce moment-là : Hé, est-ce la météorite ? dit Anderson. Il pensait que c’était une blague. Et j’ai pensé, ce n’est pas drôle en ce moment, John. Et j’ai regardé et, littéralement, il a eu le rocher.

La météorite, nommée DFN 09, est représentée ici avec un stylo pour l’échelle.Seamus Anderson/Université Curtin

Anderson regarda autour de lui pour s’assurer que l’environnement correspondait à ce que l’image aérienne du drone avait montré. Ils l’ont fait. La roche était une chondrite, un type courant de météorite riche en fer. Il mesurait 5 centimètres de long, environ la taille d’un œuf et pesait 70 grammes. Le plus important pour Anderson, l’algorithme avait donné à cette parcelle de terrain particulière un score de 1,0 une correspondance parfaite.

Et je suis resté là, et j’ai simplement crié pendant une minute ou deux. Oui, c’était génial.