Introducing SESHAT: A Tool for Object Classification from JWST Catalogs

Cet article présente SESHAT, un outil Python basé sur l'apprentissage automatique (XGBoost) qui classe divers objets astronomiques à partir des catalogues photométriques du JWST avec une précision d'au moins 85 % et permet également d'évaluer l'adéquation des filtres pour les propositions d'observation.

L'essentiel

🌌 SESHAT : Le Détective de l'Univers pour le Télescope Webb

Imaginez que vous avez un télescope spatial incroyable, le JWST (James Webb Space Telescope), qui prend des photos de l'univers avec une clarté jamais vue auparavant. C'est comme si vous passiez d'une vieille caméra floue à un appareil photo 8K ultra-puissant.

Mais il y a un problème : ce télescope est si puissant qu'il voit des millions d'objets à la fois (des étoiles, des galaxies, des nuages de poussière). Le défi n'est plus de voir, mais de savoir ce qu'on regarde. Est-ce une étoile bébé ? Une étoile mourante ? Une galaxie lointaine ?

C'est là qu'intervient SESHAT.

🤖 Qu'est-ce que SESHAT ?

SESHAT (Stellar Evolutionary Stage Heuristic Assessment Tool) n'est pas un robot physique, mais un programme informatique intelligent (un outil d'intelligence artificielle) créé par des astronomes.

Imaginez que vous avez une boîte de crayons de couleur avec 38 nuances différentes (les filtres du télescope). Chaque objet dans l'univers a une "signature de couleur" unique, comme une empreinte digitale.

• Une étoile bébé (YSO) ressemble à un bébé qui a beaucoup de couches de poussière : elle est très rouge.
• Une étoile adulte (comme notre Soleil) a une couleur plus neutre.
• Une galaxie lointaine a des couleurs très spécifiques dues à son voyage à travers l'espace.

Avant, les astronomes devaient dessiner des lignes manuelles sur leurs graphiques de couleurs pour séparer ces objets. C'était comme essayer de trier des bonbons en utilisant uniquement une règle : ça marche pour les gros bonbons, mais c'est difficile pour les petits ou ceux qui ont des formes bizarres.

SESHAT, lui, est un super-tri automatique. Il a appris à reconnaître les empreintes digitales de chaque type d'objet en étudiant des millions de "fausses" images créées par ordinateur.

🧠 Comment ça marche ? (L'analogie du Chef Cuisinier)

Pour entraîner SESHAT, les scientifiques ont fait un grand travail de préparation :

1. La Cuisine de la Simulation : Ils ont créé une "cuisine virtuelle" où ils ont cuisiné des millions de recettes d'étoiles et de galaxies. Ils ont pris des modèles mathématiques complexes pour simuler à quoi ressemblerait une étoile de 1 milliard d'années, ou une galaxie très lointaine, à travers les différents filtres du télescope Webb.
2. L'Entraînement du Chef : Ils ont donné ces millions de "recettes" à SESHAT. SESHAT utilise une méthode appelée XGBoost (une sorte de cerveau artificiel très rapide). Au lieu de regarder deux couleurs à la fois, il regarde toutes les couleurs en même temps, comme un chef qui goûte un plat et identifie instantanément tous les ingrédients (sel, poivre, citron, etc.) en une seule bouchée.
3. L'Adaptation : Le plus génial avec SESHAT, c'est qu'il est flexible. Si un astronome utilise 5 filtres pour une observation et 10 pour une autre, SESHAT s'adapte. Il ne se plaint pas de manquer d'ingrédients ; il fait le tri avec ce qu'il a.

🛡️ Pourquoi est-ce si important ?

Le télescope Webb peut prendre des photos avec des combinaisons de filtres totalement uniques pour chaque mission.

• Avant : Il fallait inventer de nouvelles règles manuelles pour chaque nouvelle photo. C'était lent et sujet aux erreurs.
• Aujourd'hui avec SESHAT : Vous donnez les données à SESHAT, et il vous dit : "Ceci est une étoile avec 90% de certitude, ceci est une galaxie avec 85% de certitude."

Il est particulièrement utile pour :

• Trouver les bébés étoiles (YSO) cachés dans la poussière.
• Distinguer les naines brunes (des étoiles ratées, trop petites pour briller) des planètes.
• Éviter les confusions : Parfois, une galaxie lointaine ressemble à une étoile proche. SESHAT est très bon pour ne pas se tromper.

🎯 Les Résultats

Les scientifiques ont testé SESHAT sur de vraies données (celles du télescope Spitzer et du Webb).

• Précision : Il réussit à identifier correctement au moins 85% des objets dans chaque catégorie, même sans connaître la distance exacte de l'objet.
• Robustesse : Même si certaines données manquent (comme si une partie de la photo était floue), il continue à fonctionner.
• Utilité pour les futurs projets : Avant même de pointer le télescope, les astronomes peuvent utiliser SESHAT pour simuler : "Si je choisis ces filtres-là, vais-je réussir à trouver ce que je cherche ?". C'est comme tester un menu avant de commander au restaurant pour s'assurer qu'il y a bien de la nourriture qu'on aime.

🚀 En résumé

SESHAT, c'est comme avoir un assistant personnel ultra-intelligent pour l'astronomie.
Au lieu de passer des heures à trier manuellement des millions d'étoiles, les scientifiques peuvent maintenant dire à SESHAT : "Regarde cette photo, trie-moi les étoiles, les galaxies et les objets bizarres." Et SESHAT le fait en quelques secondes, avec une grande précision, permettant à l'humanité de mieux comprendre la naissance et la mort des étoiles dans notre univers.

C'est un outil clé pour l'ère du télescope Webb, transformant des montagnes de données brutes en connaissances claires sur notre cosmos.

Résumé technique

Voici un résumé technique détaillé de l'article « Introducing SESHAT: A Tool for Object Classification from JWST Catalogs », présenté en français.

1. Problématique

L'avènement du télescope spatial James Webb (JWST) a ouvert de nouvelles possibilités pour détecter des classes d'objets astronomiques variées, mais a également créé des défis majeurs pour leur classification. Le JWST dispose de 38 filtres photométriques différents, permettant des combinaisons uniques pour chaque observation scientifique.

• Limites des méthodes traditionnelles : Les méthodes de classification classiques reposent sur des coupures (cuts) dans l'espace des couleurs et des magnitudes. Ces approches sont efficaces lorsque les observations utilisent le même jeu de filtres, mais elles deviennent inapplicables avec le JWST où chaque observation peut avoir une configuration de filtres unique. De plus, ces méthodes sont limitées à deux dimensions, ce qui entraîne souvent une impureté dans les classifications attribuées.
• Besoin d'une solution robuste : Dans l'ère des « big data » où des milliers de sources sont découvertes par image, il est crucial de disposer d'une méthode capable de gérer des données multidimensionnelles, de s'adapter à n'importe quelle combinaison de filtres et de fonctionner sans informations spatiales (comme l'ellipticité) supplémentaires.

2. Méthodologie

Les auteurs ont développé SESHAT (Stellar Evolutionary Stage Heuristic Assessment Tool), un outil basé sur l'apprentissage automatique (Machine Learning) utilisant l'algorithme XGBoost (Gradient Boosting).

A. Génération des Données d'Entraînement

Pour surmonter le manque de données réelles étiquetées couvrant toutes les combinaisons de filtres possibles, l'équipe a généré un vaste ensemble de données synthétiques réalistes :

• Modèles utilisés :
  • Objets jeunes (YSO) : Modèles Hyperion (T. Richardson et al. 2024) ajustés sur des catalogues réels (SESNA) de nébuleuses proches (Taurus, Ophiuchus, etc.).
  • Étoiles de champ : Modèles d'évolution stellaire Padova PARSEC couvrant l'ensemble de la séquence principale jusqu'aux géantes AGB.
  • Naines brunes : Modèles ATMO (M. W. Phillips et al. 2020) simulant l'évolution MHD 1D.
  • Naines blanches : Modèles de S. Blouin et al. (2018) incluant des caractéristiques d'absorption spécifiques.
  • Galaxies : Modèles CIGALE couvrant une large gamme de redshifts, d'histories de formation d'étoiles et de présence d'AGN.
• Effets réalistes : Les données synthétiques ont été enrichies pour inclure :
  • Extinction : Application de distributions log-normales et de lois de puissance pour simuler l'extinction par la poussière, adaptée selon le type d'objet (ex: les YSO sont considérés comme enfouis dans les nuages).
  • Émission PAH : Ajout de signatures d'hydrocarbures aromatiques polycycliques (PAH) pour simuler la contamination dans les régions de formation d'étoiles.
  • Bruit : Ajout de bruit gaussien basé sur les erreurs réelles des données d'entrée.
  • Données manquantes : Simulation de données manquantes (limites de détection, saturation, artefacts) pour entraîner le modèle à gérer les cas réels où certains filtres sont absents.

B. Architecture du Modèle (XGBoost)

• Algorithme : XGBoost a été choisi pour sa capacité à gérer les valeurs manquantes sans imputation, à éviter le surajustement (overfitting) via l'arrêt précoce (early stopping) et à effectuer des splits décisionnels similaires aux coupures de couleurs traditionnelles mais en haute dimension.
• Entraînement : L'ensemble d'entraînement comprend 40 000 sources (10 000 YSO, 10 000 étoiles de champ, 10 000 galaxies, 5 000 naines brunes, 5 000 naines blanches). Un échantillonnage excessif (oversampling) a été appliqué aux classes rares (naines brunes/blanches) pour équilibrer le jeu de données.
• Entrées : Magnitudes de Vega et leurs erreurs pour les filtres disponibles (JWST, Spitzer, 2MASS).
• Sorties : Probabilités d'appartenance à chaque classe (YSO, étoile de champ, naine brune, naine blanche, galaxie) et classe prédite (celle ayant la probabilité maximale).

3. Contributions Clés

1. Outil SESHAT : Un package Python open-source (seshat-classifier) disponible sur PyPI et Zenodo, permettant la classification d'objets à partir de n'importe quel catalogue photométrique JWST, Spitzer ou 2MASS, indépendamment du nombre de filtres disponibles.
2. Flexibilité des filtres : Contrairement aux méthodes traditionnelles, SESHAT ne nécessite pas de définir de nouvelles coupures de couleurs pour chaque configuration d'observation. Il s'adapte dynamiquement aux filtres fournis.
3. Validation sur données réelles : Le modèle a été validé non seulement sur des données synthétiques, mais aussi sur des catalogues réels complexes (SESNA pour les régions de formation d'étoiles et COSMOSWeb pour les champs cosmologiques).
4. Outil d'aide à la proposition : SESHAT permet de tester la viabilité des choix de filtres pour les propositions d'observation JWST en simulant la capacité de classification avant même la prise de données.

4. Résultats

Les performances du modèle ont été évaluées sur plusieurs scénarios :

• Données Synthétiques : Avec des filtres Spitzer/2MASS, le taux de rappel (recall) dépasse 90 % pour toutes les classes.
• Régions de Formation d'Étoiles (Données Spitzer/SESNA) :
  • Lorsque les données du milieu infrarouge (MIPS 1) sont disponibles, le taux de rappel dépasse 85 % pour les YSO, les galaxies et les étoiles de champ.
  • La présence de données MIR (Mid-Infrared) est critique : sans elles, jusqu'à la moitié des YSO peuvent être mal classés comme des galaxies.
  • Le modèle gère bien les données partielles (jusqu'à 2 filtres manquants) tant que les données MIR sont présentes.
• Champs Cosmologiques (JWST COSMOS) :
  • Dans la recherche de naines brunes, SESHAT a récupéré 100 % des candidats précédemment identifiés par des coupures de couleurs (A. Y. A. Chen et al. 2025).
  • Il a permis de réétiqueter les sources non étiquetées, identifiant 24 % d'étoiles de champ, 75 % de galaxies et 1 % de naines brunes supplémentaires.
• Gestion des contaminations : Le modèle distingue efficacement les YSO des étoiles AGB et des galaxies non résolues, des contaminations classiques des méthodes par coupures de couleurs.

5. Signification et Limites

Signification :
SESHAT représente une avancée majeure pour l'analyse des données du JWST. Il permet une classification homogène et robuste à travers des observations hétérogènes, facilitant l'exploitation scientifique de vastes catalogues sans nécessiter d'expertise manuelle pour définir de nouvelles coupures de couleurs pour chaque projet. L'utilisation de probabilités plutôt que de classifications binaires offre une flexibilité accrue pour les utilisateurs (ex: ajustement des seuils de pureté).

Limites :

• Dépendance aux données MIR : La classification des YSOs est fortement compromise sans données du milieu infrarouge (MIR). Les auteurs recommandent de ne pas utiliser SESHAT pour les YSOs si ces données ne sont pas disponibles.
• Données manquantes : Bien que le modèle gère les données manquantes, la précision diminue lorsque la fraction de données manquantes augmente, en particulier pour les classes difficiles à distinguer.
• Absence d'information spatiale : Le modèle n'utilise pas la morphologie (ellipticité) ou la distribution spatiale, ce qui pourrait améliorer la pureté dans certains cas (bien que cela rende l'outil plus généralisable).

En conclusion, SESHAT est un outil essentiel pour la communauté astronomique, conçu pour maximiser le retour scientifique des observations JWST en automatisant et en standardisant la classification des objets célestes.