Exoplanet Hunter
Classification de candidats exoplanètes
Des observations NASA aux candidats exoplanètes, comprendre les données et comparer les modèles. De XGBoost à ExoMiner, puis à un Transformer from scratch au cœur de mon sujet de thèse.
- 01
Observer les étoiles
Mesurer leur luminosité au fil du temps.
- 02
Repérer un signal
Une baisse de lumière peut indiquer un passage.
- 03
Trier les candidats
Distinguer les planètes possibles des faux positifs.
Repérer des planètes autour d’autres étoiles
Une exoplanète est une planète située hors de notre Système solaire. Le défi du NASA Space Apps Challenge 2025 consiste à exploiter les observations ouvertes et l’IA pour aider à les identifier. Face à des milliers de signaux, il faut orienter l’analyse vers les candidats les plus crédibles.
Notre réponse : aider à examiner les candidats
Exoplanet Hunter permet d’importer des observations, de lancer une classification et d’inspecter les résultats. Pour comprendre comment le modèle fait ce tri, il faut d’abord comprendre ce que les télescopes mesurent : la lumière des étoiles.
- 01
La courbe
Quand et comment la lumière varie.
- 02
Les mesures
Période, durée et profondeur du passage.
- 03
Le statut connu
Un exemple pour apprendre à classer.
De la lumière mesurée aux catalogues
Kepler, K2 et TESS mesurent la luminosité des étoiles dans le temps : c’est une courbe de lumière. Une planète qui passe devant son étoile peut produire une baisse répétée, appelée transit. Mais une autre étoile ou un défaut instrumental peut créer un signal ressemblant.
Deux façons de décrire une même observation
La courbe conserve la forme du signal. Le catalogue en résume des propriétés : période entre deux passages, durée, profondeur et caractéristiques de l’étoile. Chaque ligne décrit un objet ou un candidat, avec parfois un statut déjà attribué. Ces tableaux constituent le point de départ du premier modèle.
- 01
Identifier
Reconnaître le format et la cible à prédire.
- 02
Préparer
Sélectionner les mesures et traiter les valeurs nulles.
- 03
Apprendre
Relier ces mesures aux statuts connus.
Rendre les mesures utilisables
Avant d’apprendre, il faut savoir quelles colonnes décrivent le signal et quelles valeurs manquent. Les missions emploient des noms et des statuts différents. L’application reconnaît le format, repère la colonne cible et sélectionne les mesures numériques disponibles pour ce catalogue.
Traiter les absences sans perdre toutes les observations
Le code écarte les colonnes entièrement vides, le nom de l’objet et le statut à prédire. Il remplace les valeurs nulles par la moyenne de leur colonne, avec un repli à zéro. Cela conserve les lignes incomplètes, mais peut atténuer leurs particularités : ce choix devra aussi être évalué.
- 01
Mesures du catalogue
Décrire chaque candidat par des nombres.
- 02
Arbres successifs
Corriger progressivement les erreurs de classification.
- 03
Une première référence
Mesurer ce que les seuls tableaux permettent.
Commencer par une référence sur les tableaux
Les données sont maintenant des lignes de mesures. XGBoost est adapté à cette représentation : il apprend des relations non linéaires entre les variables, sans demander une courbe complète en entrée. Ce premier modèle établit une référence pour juger ensuite l’intérêt d’une analyse plus complexe.
Combiner de petites règles pour améliorer le tri
Chaque arbre découpe les exemples par des seuils sur les mesures. Les arbres suivants corrigent les erreurs de l’ensemble précédent. À partir des statuts connus, le modèle apprend ainsi à attribuer un score à chaque classe. Reste à vérifier s’il réussit sur des exemples qu’il n’a pas appris.
- 01
Apprendre
Ajuster les arbres sur le jeu d’entraînement.
- 02
Tester
Comparer les prédictions aux statuts mis de côté.
- 03
Examiner les erreurs
Identifier les informations qui pourraient manquer.
Comprendre les erreurs avant de complexifier
Un modèle peut bien mémoriser les exemples sans savoir généraliser. Le pipeline réserve par défaut 20 % des lignes au test, en conservant la proportion des classes. La matrice de confusion montre ensuite quels statuts sont confondus, au-delà du seul taux de bonnes réponses.
Mesurer ce qui est retenu et ce qui est manqué
La précision indique la fiabilité d’une sélection ; le rappel mesure la part des cas recherchés retrouvée. Le prototype calcule ces métriques, mais remplit les valeurs nulles avant la séparation. Une évaluation plus stricte doit estimer ces moyennes sur l’entraînement seul et séparer les étoiles entre les jeux.
- 01
Le résumé numérique
Compact, mais limité aux mesures retenues.
- 02
La forme du signal
Des détails et des répétitions à examiner.
- 03
La suite de l’étude
Préparer les courbes avant de les modéliser.
Ce que les tableaux ne montrent pas
XGBoost ne voit que les mesures sélectionnées. Deux événements peuvent avoir une durée et une profondeur proches, mais des formes différentes. Examiner la courbe permet de rechercher ces différences : le creux est-il régulier, se répète-t-il, existe-t-il une autre baisse entre deux passages ?
Donner aux modèles une information plus complète
La suite explore donc la forme du signal, en complément de ses résumés. Cela motive l’usage de modèles spécialisés comme ExoMiner et la piste du Transformer. Avant de les expliquer, il faut préparer cette nouvelle entrée : une série de mesures bruitées et parfois interrompues.
- 01
Filtrer les mesures
Écarter les valeurs invalides et contrôler les anomalies.
- 02
Retirer la tendance
Réduire les variations lentes du fond lumineux.
- 03
Normaliser le flux
Comparer les formes sur une échelle commune.
Faire ressortir le transit sans l’effacer
La luminosité peut dériver lentement avec l’activité de l’étoile ou l’instrument. Des points aberrants peuvent aussi imiter un événement. Le nettoyage cherche à réduire ces perturbations pour que le modèle apprenne la forme du transit, plutôt que les défauts de mesure.
Filtrer, retirer la tendance, normaliser
La préparation étudiée écarte les mesures invalides, estime une tendance lisse puis ramène le flux à une échelle comparable. Le filtrage doit préserver les creux plausibles : supprimer toute baisse forte pourrait effacer une planète. La courbe corrigée peut ensuite être alignée sur la répétition des passages.
- 01
Une période candidate
Estimer quand le phénomène se répète.
- 02
Une vue globale
Observer le cycle et les autres variations.
- 03
Une vue locale
Examiner finement la forme du passage.
Comparer les passages à deux échelles
Une fois le signal préparé, on utilise une période candidate pour superposer les passages : c’est le repliement en phase. Par exemple, si un événement revient tous les dix jours, les mesures espacées de dix jours sont alignées. Un motif répété devient plus facile à examiner.
Conserver le contexte et le détail du creux
La vue globale montre tout le cycle et d’éventuelles baisses secondaires ; la vue locale zoome autour du transit. Une recherche BLS peut estimer la période en testant des creux répétés. Une période erronée brouille l’alignement : préparer les vues fait donc déjà partie de l’expérimentation.
- 01
Plusieurs diagnostics
Examiner le transit et les indices de faux positifs.
- 02
Des branches spécialisées
Apprendre une représentation de chaque diagnostic.
- 03
Un score combiné
Rassembler les indices pour classer le candidat.
Croiser les indices avec un modèle spécialisé
Ces vues expliquent l’intérêt d’ExoMiner : un creux isolé ne suffit pas pour conclure. Ce réseau spécialisé combine plusieurs diagnostics inspirés de l’examen scientifique, comme la forme du transit, les baisses secondaires et les différences entre passages pairs et impairs.
Intégrer une référence existante dans l’application
Le projet lance le pipeline NASA à partir d’identifiants TESS et de secteurs d’observation, puis restitue ses scores. ExoMiner apporte ainsi une analyse spécialisée en complément de XGBoost. Son principe de croiser les indices conduit à la question de thèse : peut-on apprendre leurs relations avec un Transformer ?
- 01
Représenter
Vues du signal et contexte de l’étoile.
- 02
Relier par attention
Apprendre quels indices éclairent les autres.
- 03
Agréger avec CLS
Former une représentation du candidat.
Architecture proposée dans le rapport de recherche ; ses performances restent à mesurer.
Apprendre les relations entre les indices
Dans le prolongement d’ExoMiner, l’idée de départ de ma thèse est de construire un Transformer from scratch. L’objectif est de relier la forme locale du transit au cycle complet et aux propriétés de l’étoile, plutôt que d’interpréter chaque indice séparément.
L’attention met les informations en relation
Le signal est découpé en éléments numériques, les tokens. STAR et PHYS ajoutent le contexte stellaire et physique. Les projections Q, K et V comparent ces éléments, pondèrent leurs relations et transmettent l’information utile. Le token CLS rassemble le résultat pour classer le candidat.
- 01
Transformer
Une représentation apprise des relations.
- 02
TSFRESH
Des mesures explicites de la série temporelle.
- 03
Fusion tardive
Joindre les deux résumés avant de classer.
Ajouter une lecture statistique du signal
L’attention apprend ses propres représentations. Des statistiques explicites peuvent-elles la compléter ? TSFRESH calcule, par exemple, la variabilité et les autocorrélations : ces dernières indiquent à quel point un signal ressemble à une version décalée de lui-même.
Réunir deux représentations avant la décision
Le rapport propose de sélectionner ces descripteurs puis de les projeter avec un petit réseau, le MLP. Son résultat est joint au résumé CLS du Transformer : c’est une fusion tardive. Ajouter cette branche ne garantit aucun gain ; il faut comparer le modèle avec et sans elle.
- 01
Fixer le protocole
Mêmes candidats et séparation par étoile.
- 02
Retirer un composant
Comparer avec et sans chaque source d’information.
- 03
Mesurer l’apport
Relier les gains aux erreurs et au coût.
Vérifier ce que chaque ajout apporte
Le parcours a conduit des mesures tabulaires aux diagnostics d’ExoMiner, puis à une architecture de recherche. Pour savoir si cette complexité est utile, le rapport prévoit des comparaisons sur des données communes et le retrait d’une branche à la fois : une étude d’ablation.
Des gains à démontrer sur de nouvelles étoiles
Séparer les étoiles évite que des observations proches se retrouvent à la fois dans l’entraînement et le test. On compare ensuite précision, rappel et coût de calcul. Retirer TSFRESH ou le contexte physique permet d’isoler leur apport. Ces expériences sont un protocole proposé, pas des résultats déjà obtenus.
- 01
Prioriser
Retenir les candidats à examiner.
- 02
Vérifier les indices
Revenir aux courbes et aux cas ambigus.
- 03
Poursuivre l’analyse
Confronter la prédiction aux observations.
Revenir au candidat derrière le score
Même un modèle bien évalué produit des erreurs. Pour répondre au défi de départ, ses scores doivent aider à choisir les observations à examiner. L’application permet de consulter les candidats retenus et d’exporter une sélection pour poursuivre l’analyse.
Un tri automatique au service de l’examen scientifique
Les approches présentées classent des événements déjà proposés en amont ; elles peuvent manquer ceux que cette première recherche n’a pas repérés. Un score élevé ne confirme donc pas, à lui seul, une planète. Il faut revenir au signal, aux diagnostics et aux observations complémentaires.
Démonstration vidéo à venir
Le parcours dans Exoplanet Hunter sera présenté ici.
Le parcours dans Exoplanet Hunter
De l’import des observations à l’examen des candidats, la démonstration réunira les étapes présentées : préparer les données, lancer l’analyse et interpréter les résultats.
Voir l’application en situation
La vidéo sera ajoutée ici dès qu’elle sera disponible.