Enhancing Automated Planetary Geological Mapping through Graph-Based Latent Space Generation

Réaliser une carte géologique d'une planète, c'est comme essayer de comprendre une histoire complexe en ne lisant que quelques phrases éparses. Pendant des décennies, les planétologues se sont appuyés sur des experts humains pour examiner les images de mondes extraterrestres et tracer des limites entre différents types de roches et de reliefs. Ces experts examinent la forme des cratères et la luminosité de la surface, prenant souvent des décisions basées sur ce qu'ils voient le plus clairement. Bien que ce travail soit essentiel pour comprendre comment les planètes se sont formées et ont évolué au fil du temps, il est lent, subjectif et sujet à l'incohérence. Un scientifique peut tracer une ligne à un endroit différent d'un autre, simplement parce qu'il a privilégié un indice visuel différent. De plus, les engins spatiaux modernes capturent désormais des données dans des dizaines de « couleurs » ou de couches d'informations différentes simultanément, bien plus que ce qu'un humain peut traiter à la fois. Lorsque les scientifiques tentent d'utiliser des ordinateurs pour les aider, les machines peinent face au volume massif de données ou ne parviennent pas à comprendre qu'un pixel de roche fait partie d'un paysage plus vaste et connecté, traitant chaque minuscule point comme une île isolée plutôt que comme un morceau de continent.

Une équipe de chercheurs dirigée par Lorenzo Spina, de l'Observatoire astronomique de Padoue en Italie, a développé une nouvelle façon de combler ce fossé. Ils ont créé un système informatique conçu pour prendre le flux écrasant de données de Mercure et le compresser en une image claire et gérable qui préserve la véritable histoire géologique. En apprenant à l'ordinateur à observer les relations entre les points voisins de la surface, plutôt que de se contenter des points eux-mêmes, ils ont pu éliminer le statique et le bruit qui obscurcissent habituellement la vue. Le résultat est une carte tridimensionnelle hautement détaillée de la surface de Mercure qui révèle des unités géologiques avec une clarté et une cohérence que ni la cartographie humaine traditionnelle ni les méthodes informatiques précédentes ne pourraient atteindre seuls.

Les chercheurs ont concentré leurs travaux sur une région spécifique de Mercure appelée le quadrangle Hokusai, une zone déjà étudiée par des missions précédentes mais qui reste riche en détails inexplorés. Ils ont commencé avec un ensemble de données massif contenant trente couches d'informations différentes pour chaque point de la surface. Ces couches comprenaient des mesures de la hauteur de la surface, la luminosité de la roche dans huit couleurs de lumière différentes, et vingt et un paramètres calculés qui décrivent comment la couleur change à travers le spectre. Par le passé, les scientifiques auraient dû choisir manuellement seulement quelques-unes de ces couches pour travailler, écartant le reste pour simplifier le problème. Ce nouveau système, cependant, a été conçu pour gérer toutes les trente couches à la fois.

Le cœur de leur méthode repose sur une technique appelée auto-encodeur à attention de graphe variationnel (variational graph attention autoencoder). Pour comprendre comment cela fonctionne, imaginez la surface de Mercure non pas comme une grille de pixels isolés, mais comme un vaste réseau où chaque point est connecté à ses voisins. L'ordinateur traite chaque point comme un nœud dans ce réseau et observe les points situés immédiatement autour de lui. Il apprend ensuite à décider quels voisins sont réellement similaires et lesquels sont différents. Si un point se trouve sur une plaine lisse, ses voisins seront probablement similaires, et l'ordinateur accordera un poids important à leurs informations. Si un point se situe sur le bord tranchant d'un cratère, l'ordinateur reconnaîtra que les voisins de l'autre côté du rebord sont fondamentalement différents et cessera de les écouter. Ce processus permet au système de lisser le bruit aléatoire à haute fréquence — comme la neige statique vue sur les vieux écrans de télévision — sans pour autant flouter les limites nettes et réelles entre les différentes structures géologiques.

En exécutant ce processus, les chercheurs ont pu compresser les trente couches de données complexes en seulement trois dimensions. Ces trois dimensions constituent une nouvelle sorte de carte où les deux premières couches capturent les différences chimiques et spectrales des roches, tandis que la troisième couche capture la forme physique et la hauteur du terrain. Le résultat est une image unique en fausses couleurs où chaque couleur représente une combinaison unique de composition et de forme. Lorsque les chercheurs ont comparé cette nouvelle carte aux tentatives précédentes, la différence était frappante. Les anciennes méthodes produisaient des cartes qui ressemblaient à du sel et du poivre, avec des pixels individuels sautant d'une couleur à l'autre selon un motif chaotique et fragmenté. La nouvelle carte, en revanche, montrait de larges régions de couleurs cohérentes, avec des limites nettes et précises qui correspondent à la géologie réelle de la planète.

L'étude a démontré que cette approche élimine efficacement le bruit de type « sel et poivre » qui affecte la cartographie automatisée. Dans la nouvelle carte, les pixels adjacents appartenant à la même unité géologique restaient groupés, alors que dans les méthodes précédentes, ils étaient souvent séparés par un bruit aléatoire. Les chercheurs ont quantifié cette amélioration en mesurant la fréquence à laquelle les pixels voisins changeaient de classe géologique. Dans la nouvelle carte, ce changement de classe se produisait moins de la moitié de la fréquence observée dans les anciennes cartes, prouvant que le système avait réussi à organiser les données en groupes physiquement significatifs. De plus, le système a révélé des sous-structures subtiles au sein des couches rocheuses qui étaient invisibles dans les données brutes, suggérant que la carte compressée contient un niveau de détail qui pourrait aider les scientifiques à découvrir de nouvelles caractéristiques géologiques.

Ce travail n'est pas seulement un exercice théorique ; il est conçu pour être un outil pratique pour les futures missions spatiales. Les chercheurs ont montré que leur système peut être entraîné rapidement sur une petite portion représentative de la surface d'une planète, puis appliqué à l'ensemble du globe. Cette extensibilité est cruciale pour les missions à venir comme BepiColombo, qui orbite actuellement autour de Mercure et qui retournera bientôt des quantités massives de données à haute résolution provenant de multiples instruments. Ces instruments captureront à la fois la forme de la surface et sa composition chimique à différentes échelles, créant un défi de données encore plus complexe que celui auquel les chercheurs ont été confrontés avec les anciennes données de Mercure. L'approche basée sur les graphes développée dans cette étude offre un moyen de fusionner ces différents types de données en une image unique et cohérente, permettant aux scientifiques de voir l'histoire complète de la surface d'une planète sans se perdre dans les détails.

En fin de compte, ce nouveau cadre ne remplace pas le géologue humain. Au contraire, il fournit un canevas plus propre et plus objectif pour son travail. En prenant en charge l'essentiel du travail de réduction du bruit et de compression des données, l'ordinateur permet aux scientifiques de se concentrer sur l'interprétation de l'histoire géologique de la planète. La carte générée par ce système sert de fondation de haute fidélité, transformant un nuage chaotique de données tridimensionnelles en un portrait clair et tridimensionnel de la surface de Mercure. C'est une étape vers un avenir où la cartographie de notre système solaire sera plus rapide, plus cohérente et capable de révéler les secrets subtils cachés dans les données de mondes lointains.