Un groupe de physiciens espagnols a proposé un pipeline d’apprentissage automatique qui conçoit simultanément l’implantation et l’optique interne des réseaux de détecteurs d’ondes gravitationnelles, plutôt que de fixer d’abord une géométrie de détecteur pour l’adapter ensuite à un site. L’approche, décrite dans une prépublication déposée sur arXiv le 28 juillet, recourt à l’apprentissage par renforcement pour choisir où placer les bras des interféromètres sur un terrain réel et à la programmation différentiable pour régler les miroirs qui s’y trouvent.
Baptisée IfoScout, la méthode vise le processus de conception en cours pour les observatoires terrestres de nouvelle génération comme le télescope Einstein et Cosmic Explorer, ainsi que pour les propositions lunaires et spatiales. Les auteurs, de l’université d’Oviedo, soutiennent que le processus actuel sépare largement les deux problèmes : une poignée de configurations de détecteurs est choisie pour des raisons scientifiques, et les études d’intégration au site viennent ensuite. IfoScout combine les deux dans une boucle d’optimisation unique.
Le pipeline fonctionne en deux étapes. D’abord, un agent d’apprentissage par renforcement fondé sur l’algorithme Proximal Policy Optimization place les bras des interféromètres sur une carte, récompensé pour les bras longs et pénalisé s’il traverse des routes, des rivières et des périmètres exclus tels que les zones habitées et les carrières, ainsi que pour les tunnels ou les ponts qu’il impose. L’agent contrôle le sommet et une extrémité de chaque détecteur en forme de L, en choisissant parmi 17 actions possibles par observatoire. Une seconde étape, appelée AutoGrav, transpose le logiciel standard de calcul du bruit de LIGO dans le cadre d’apprentissage automatique PyTorch, afin que les courbures des miroirs et la stabilité des cavités puissent être optimisées par descente de gradient en fonction de la portée de détection des binaires d’étoiles à neutrons.
Pour démontrer la méthode, l’équipe a choisi deux sites fictifs dans la campagne espagnole, fondés sur de véritables levés topographiques : l’un près de Páramo Leonés, assez vaste en principe pour des bras d’environ 25 kilomètres, et une zone plus plate et plus petite près d’Alcázar de San Juan. Les sites ne sont explicitement pas envisagés pour un quelconque projet réel d’ondes gravitationnelles ; les auteurs les ont choisis comme un terrain plausible, à faible sismicité et faiblement peuplé.
Après avoir entraîné le modèle pendant deux millions de pas et l’avoir testé à partir de douze points de départ aléatoires, les auteurs présentent trois configurations de réseau qui équilibrent différemment la longueur et le coût d’ingénierie. La plus prudente évite totalement les tunnels pour le site le plus petit et maintient la plupart des autres bras en surface. La plus ambitieuse atteint une longueur cumulée de bras de 63 kilomètres sur les deux sites, le site le plus grand nécessitant 26,33 kilomètres de tunnel et 2,48 kilomètres de structure soutenue, au prix de davantage de travaux souterrains. La configuration intermédiaire se situe entre les deux. Sur les trois conceptions, la portée de détection estimée des binaires d’étoiles à neutrons passe de 696 à 1 160 mégaparsecs pour le site le plus grand, et de 449 à 564 mégaparsecs pour le site le plus petit.
Les auteurs comparent les courbes de sensibilité de leurs conceptions avec les détecteurs Advanced LIGO actuels et la mise à niveau A+ prévue, en prenant comme point de départ le modèle de bruit newtonien du site de Hanford et la conception originale d’Advanced LIGO. Ils constatent que leurs conceptions adaptées au site surpassent Advanced LIGO dans la bande de 10 à 800 hertz et A+ dans la bande de 10 à 300 hertz, tout en soulignant que la comparaison suppose l’absence de futures améliorations technologiques et que les résultats sont des démonstrations plutôt que des propositions.
La prépublication est explicite sur ses limites. Le travail est une preuve de concept, et non un outil de conception prêt pour la production : les simulations négligent la courbure de la Terre, traitent les bras partiellement souterrains comme des détecteurs de surface et omettent des facteurs sociaux tels que le soutien local, le logement et l’impact environnemental. Les auteurs notent également qu’une optimisation séquentielle de l’implantation et de l’optique peut manquer des effets couplés, puisque le bruit newtonien et le bruit anthropique dépendent de la position exacte, et que la fusion des deux étapes en un seul pipeline différentiable exigerait un travail considérable. Ils soutiennent que la valeur principale de la méthode réside dans la vitesse et la couverture : l’étape d’apprentissage par renforcement a effectué ses deux millions de pas en moins d’une heure, et chaque optimisation de l’optique a pris environ une minute, ce qui permet de tester rapidement de nombreuses structures de récompense.
Le code est publiquement disponible sur GitHub, et les auteurs indiquent que le pipeline pourrait être utilisé par les concepteurs de détecteurs comme première étape d’évaluation des sites candidats, y compris pour des propositions existantes. L’argument plus large est qu’une exploration systématique et assistée par machine de l’implantation des détecteurs pourrait donner aux équipes de conception davantage de confiance dans leurs choix et ouvrir la porte à un traitement du détecteur et de son pipeline d’analyse des données comme un seul système à optimiser ensemble.
Traduit par Lydie
Sources
1. arXiv, “Co-design of ground-based gravitational wave detector networks”: https://arxiv.org/abs/2607.27254
2. GitHub, “Daniel-Lanchares/IfoScout”: https://github.com/Daniel-Lanchares/IfoScout