S'inscrire identifiants oubliés ?

Vers un nouvel outil de génie génétique

Que sont les ARN circulaires ?

L'ARN, acide ribonucléique constitué principalement d'un seul brin de nucléotide, est une molécule non codante ou participant à l'expression du

Observation directe d'une exoplanète

L'instrument Sphère et ses techniques de détection

Comment détecter les exoplanètes ? L'entreprise est difficile puisque les planètes n'émettent pas de lumière par elles-mêmes, elles réfléchissent ...

La microfluidique pour réduire la pollution

La physique de la microfluidique

La microfluidique, science des fluides au niveau du micromètre, est apparue au début des années 2000. Les phénomènes mettant en jeu les fluides existent partout dans la nature, ...

L'accélération de l'expansion de l'Univers

Le modèle cosmologique à l'épreuve

Une des énigmes majeures de l'astrophysique est de comprendre l'accélération de l'expansion de l'Univers. Afin de caractériser la nature de l'énergie ...

Un tamis moléculaire plus performant et vert

La purification du gaz naturel

Le gaz naturel extrait du sol a besoin que l'on élimine l'eau et le dioxyde de carbone qu'il contient, afin que seul le

Dévier les astéroïdes géocroiseurs

Quels astéroïdes nous menacent ?

Les astéroïdes sont des corps rocheux errant dans l'espace, d'un diamètre compris entre dix mètres et mille kilomètres. Plusieurs millions d'entre eux gravitent dans le

Radiographier les volcans grâce aux muons

Flux de muons cosmiques

Dans le modèle standard de la physique des particules, les muons sont des particules élémentaires chargées parfois appelées « électrons lourds ». Produits par la collision entre une

Technologies de l'aérospatial

Des satellites plus petits et plus nombreux

L'arrivée de nouveaux entrants dans l'industrie spatiale et la perspective de nombreuses mises en orbite liées aux constellations de satellites stimule l'innovation et la recherche d'une baisse des coûts de lancement. Ces constellations visent à assurer une couverture Internet à toute la planète, en particulier pour les trois milliards de personnes qui n'y sont pas encore raccordées dans les pays émergents. C'est le cas des neuf cents satellites de la société Oneweb, construits par Airbus et prévus pour être lancés en 2018 en orbite basse.

La production en série s'accompagne de la tendance à rapetisser les satellites, notamment avec l'exemple des nanosatellites, qui mesurent autour d'une dizaine de centimètres cubes. Le projet QB50 consiste ainsi à mettre cinquante nanosatellites en orbite après de la station spatiale internationale, à 415 kilomètres d'altitude. Élaborés par des université, ces satellites permettent aux élèves de se former à l'ingénierie spatiale et mettent à l'épreuve de nouvelles technologies pour la communauté scientifique et industrielle.

L'une des pistes de cette recherche d'économies a été initié par SpaceX aux États-Unis, avec le développement de lanceurs réutilisables, c'est-à-dire de fusées dont certains étages pourraient revenir sur Terre une fois leur mission accomplie. Dans le cas de SpaceX, après avoir atterri sur une plate-forme autonome sur le sol ou en mer, les fusées pourront être rechargées et réutilisées pour de nouveaux décollages. Ces sujets intéressent le CNES et l'ONERA pour le successeur d'Ariane 6. Outre ce lanceur lourd, utilisé pour placer en orbite géostationnaire des satellites de plusieurs tonnes, une autre voie est le lancement aéroporté, qui vise des charges utiles de quelques centaines de kilogrammes.

De nouvelles énergies pour les satellites

Une autre tendance du secteur spatial est le passage de la propulsion chimique à la propulsion électrique, avec des recherches en cours pour miniaturiser les propulsions électriques actuelles. Les moteurs électriques ont donc longtemps été cantonnés au maintien à poste des satellites, sur leur orbite, mais ils ont également trouvé leur application pour la mise à poste. Après sa séparation d'avec le lanceur, en effet, un satellite doit passer par une orbite de transfert qui lui permet de rejoindre l'orbite géostationnaire, avec ses propres moyens de propulsion. En utilisant l'énergie produite par les panneaux solaires du satellite, la propulsion électrique aboutit à un gain de poids en faisant l'économie de lourds réservoirs de carburant. L'inconvénient lié à la propulsion électrique réside dans l'allongement de la durée de mise à poste.

C'est pourquoi il restera certainement une place pour la propulsion chimique. Le CNES (Centre national d'études spatiales), se penche ainsi avec l'Office national d'études et de recherches aérospatiale (ONERA) sur le développement d'un monergol vert pour la propulsion satellitaire. La recherche sur ce nouveau composé ouvre une alternative prometteuse à l'ergol utilisé actuellement, l'hydrazine, dont la toxicité lui fait risquer d'être rapidement bannie de l'espace. Le CNRS et l'ONERA, travaillent à synthétiser cette nouvelle molécule, avec l'enjeu de choisir des matériaux qui résisteront aux hautes températures. L'objectif est de développer ensuite un moteur et de montrant que la propulsion fournit une poussée conséquente, ce qui permettra d'envisager un développement de la technologie et de proposer par la suite un démonstrateur.

L'imagerie satellitaire au service de l'environnement

En plus de l'internet satellitaire et de l'étude directe de l'atmosphère, les satellites permettent l'observation de notre planète depuis l'espace, le meilleur point de vue permettant de comprendre les changements complexes qui l'affectent. Par exemple, les satellites de la série Sentinel, du programme Copernicus, fournissent des informations sur le sol, les océans, l'atmosphère, l'environnement, la sécurité et le changement climatique. En plus d'études scientifiques sur le long terme, les satellites participant à Charte internationale « Espace et catastrophes majeures » peuvent traiter des situations d'urgence comme une éruption volcanique, un feux de forêt ou une catastrophe industrielle, en fournissant rapidement des images et des cartes.

L'imagerie hyper-spectrale peut être utilisée sur des plate-formes terrestres, spatiales ou aéroportées. Elle aide à détecter des objets dans des images grâce à leurs propriétés spectrales, ou à analyser la composition et l'état chimique de matériaux de surface, y compris l'état hydrique des végétaux. C'est le cas du démonstrateur technologique aéroporté Sysiphe de l'ONERA, qui peut acquérir des images d'une résolution de 50 centimètres dans plus de 600 bandes spectrales, allant du visible à l’infrarouge lointain. De telles technologies permettent d'étudier la biodiversité végétale, par exemple pour mettre en place à l'échelle mondiale un véritable bilan de la biodiversité, ou de caractériser les fonds marins en bord de côte.

Croiser les données permet de faire d'autres types de déductions. L'Institut de recherche technologique Saint-Exupéry présente au Salon du Bourget un « Google Earth intelligent ». Les systèmes d'observation développés combinent les bases de données et l'intelligence artificielle, en dotant les satellites d'un système d'apprentissage et d'intelligence collective qui leur permettra d'acquérir jusqu'à 30% d'images supplémentaires et d'améliorer la réactivité aux requêtes humaines, de 1 heure aujourd'hui à 5 minutes. Il s'agit d'anticiper la vague de données qui sera issue de la mise en service, dans les années à venir, de milliers de satellites formant des constellations en orbite basse.

En savoir plus

SpaceX réussit l'atterrissage de son lanceur, sur Sciences en ligne

Les satellites SPOT face aux catastrophes, sur Sciences en ligne

Ariane 6 : la riposte européenne, sur Sciences en ligne

Sentinel-2B, sur Sciences en ligne

L'évolution énergétique des aéronefs, sur Explorathèque

Féminisons les métiers de l’aéronautique, sur Explorathèque

X-CubeSat, un projet pour promouvoir le spatial, sur Explorathèque

» lire tous les articles 1 2 3 4 5 6 7 8
sciences en ligne
exploratheque
du premier stage au premier emploi


Des machines qui parlent entre elles ?
Les principes de fonctionnement de l’Intelligence Artificielle via le Machine Learning.

En Novembre 2016 le projet d’intelligence artificielle de Google : « Google Brain » a déchaîné les médias. Alors que deux unités d’intelligence artificielle étaient connectées entre elles, elles se sont mises à communiquer dans un langage nouveau et incompréhensible par un humain.

Pour comprendre ce qu’il s’est réellement passé il faut comprendre ce qu’on entend aujourd’hui par intelligence artificielle et plus particulièrement par Machine Learning (Apprentissage Automatique en français).

Qu’est-ce que le Machine Learning ?

Le Machine Learning a pour but de rapprocher le fonctionnement des machines du fonctionnement du cerveau humain notamment grâce à l’apprentissage. En effet, considérons les deux images ci-dessous :

Si on voulait écrire un programme qui permettrait d’identifier l’image 1 comme étant des bananes, il serait possible de dire à l’ordinateur que cet agencement de pixels correspond à des bananes. Cependant si avec le même programme on lui montre l’image 2, les changements de couleurs et d’agencements ne seraient pas compris et l’ordinateur serait incapable de l’identifier.

En tant qu’humain nous réussissons cette identification parce que dans notre vie, parmi les milliers d’images qui sont apparues sous nos yeux, nous avons appris à distinguer des éléments clés des bananes : forme, couleurs, texture, taille etc… Ce qui fait que nous pouvons faire abstraction de certains détails comme la couleur pour identifier l’image 2 comme étant des bananes. Le Machine Learning consiste à apprendre à faire la même chose aux ordinateurs. C’est la méthode la plus aboutie que nous ayons à ce jour pour créer des intelligences artificielles.

Comment marche le Machine Learning ?

Pour classifier des objets, il existe deux familles de Machine Learning : la Classification et le Clustering. Dans les deux cas, on part d’un ensemble de données appelé Data Set pour apprendre à l’ordinateur à créer des liens logiques entre des catégories. Prenons l’exemple d’un algorithme devant identifier les images 1 et 2 comme étant des bananes. Le Data Set sera un ensemble d’images de fruits en tous genres.

Dans le cas de la Classification, on dit à l’avance à l’ordinateur que l’image correspondant à une banane est une banane, celle d’un citron est un citron etc…, on appelle ça l’apprentissage supervisé. Avec cette méthode, en présentant l’image 2 à l’ordinateur, il saura dire qu’il s’agit de bananes. Il est très pratique mais nécessite des données précises et étiquetées ce qui est rare pour de gros volumes de données.

Processus d'apprentissage en Classification

Dans le cas du Clustering, on ne dit rien à l’ordinateur et c’est à lui de trouver des liens entre les images. Il s’agit d’apprentissage non supervisé. En lui montrant les images 1 et 2, l’ordinateur les regroupera avec d’autres images de bananes mais ne pourra pas dire « ce sont des bananes ». Cette méthode ne permet pas de mettre un nom sur une donnée entrante. Cependant il est très pratique lorsque le nombre et la diversité des données ne permettent pas de faire un étiquetage.

Processus d'apprentissage en Clustering

Et Google Brain dans tout ça ?

Dans le cas de Google Brain, les ordinateurs fonctionnaient avec des algorithmes de Machine Learning non supervisés. Pour simplifier on va dire qu’ils devaient simplement se transmettre des données. Mais le langage humain ou le langage binaire ne permettaient pas de le faire d’une manière optimisée. Les données qu’ils devaient échanger constituaient leur Data Set, et ils ont construit un nouveau langage permettant de transmettre ces données plus rapidement. S’ils avaient eu à échanger très souvent le mot « banane » et rarement le caractère « b » par exemple, il valait mieux remplacer « banane » par « b » et la lettre « b » par une autre combinaison éventuellement plus complexe.

On comprend alors qu’il n’y a pas de quoi s’inquiéter car avec le Machine Learning, les ordinateurs ne comprennent pas vraiment ce qu’ils sont en train de faire. Ils respectent juste une logique dictée par l’Homme et trouvent des liens entre les données qu’on leur fournit. Leurs décisions restent strictement cantonnées au but de l’algorithme : ici transmettre des données rapidement.

En savoir plus :

Benjamin Péri
Twitter Facebook Google Plus Linkedin email