IA hybride pour les masses d'exoplanètes sur XGBoost

IA hybride pour prédire la masse des exoplanètes : d'échec du KNN à la victoire de XGBoost avec filtrage physique

Une équipe de lycée a développé ExoLogica AI — un système combinant le gradient boosting de XGBoost aux lois physiques pour reconstruire les masses des exoplanètes à partir des archives NASA, exoplanet.eu et ExoKyoto. Après un échec initial avec KNN, qui ignorait la physique planétaire, l'architecture Neuro-Physical Synthesis a produit des prédictions de densité réalistes et des classifications, intégrant la faille de Fulton et les lois de Kepler. Conçu en Python avec une interface Tkinter, cet outil permet une analyse sans serveur.

Le système standardise les bases de données hétérogènes, applique l'apprentissage automatique pour des estimations initiales, puis affine les résultats à l’aide de formules physiques — évitant ainsi des artefacts comme le phénomène de "mur de clones".

Standardisation des données entre archives mondiales

Fusionner les archives NASA Exoplanet Archive, exoplanet.eu et ExoKyoto nécessite une harmonisation des formats. Les planètes sont identifiées par des clés différentes : pl_name dans NASA, name dans EU, #PlanetName dans ExoKyoto. Les masses sont normalisées en unités terrestres.

Code pour le mappage des colonnes :

def standardize_columns(df, source_type):
    mappings = {
        'NASA': {'pl_name': 'name', 'hostname': 'star_name', 'pl_masse': 'mass_e'},
        'EU': {'name': 'name', 'star_name': 'star_name', 'mass': 'mass_e'},
        'ExoKyoto': {'#PlanetName': 'name', 'StarName': 'star_name', 'MassEarth': 'mass_e'}
    }
    return df.rename(columns=mappings.get(source_type, {}))


df_total = pd.concat([df_nasa, df_eu, df_jp]).drop_duplicates(subset=['name'], keep='first')

Cette approche supprime les doublons tout en préservant les enregistrements les plus complets. Le jeu de données dépasse 9 000 objets, avec des masses manquantes dues à la méthode du transit.

L’interface Tkinter affiche un tableau récapitulatif avec codage couleur : vert pour les planètes telluriques, bleu pour les mondes océaniques, rouge pour les géantes chaudes. L’indice de similarité terrestre (ESI) est calculé automatiquement.

Comparaison des algorithmes d’apprentissage sur le jeu de données unifié

L’évaluation de trois modèles a révélé des forces et faiblesses distinctes :

• KNN : Extrapolation des voisins les plus proches, entraînant un "mur de clones" — toutes les densités prédites se regroupent autour de ~8,82 g/cm³. Ignore les comportements non linéaires comme la faille de Fulton.
• Random Forest : Stable mais moyenne les anomalies, réduisant la sensibilité aux types rares de planètes.
• XGBoost : Boosting gradient corrige itérativement les erreurs des arbres. Détecte les transitions entre planètes rocheuses et géantes gazeuses sans étiquetage explicite.

XGBoost s’est imposé sur les métriques de validation, notamment pour prédire les masses à partir des rayons entre 1,5 et 2 R⊕.

Architecture Neuro-Physical Synthesis

Le processus de prédiction s’articule en trois couches :

• Couche ML : XGBoost prédit la masse à partir du rayon, de la période orbitale et des paramètres stellaires.
• Couche physique : Validation selon la troisième loi de Kepler et la loi de Stefan-Boltzmann. Calcul de la température d’équilibre et de l'insolation.
• Couche de synthèse : Correction si la prédiction ML viole la physique — par exemple, remplacement d’une planète ferreuse par une géante gazeuse si la densité dépasse un seuil physique.

Dans l’interface, le mode "Intelligence Artificielle" montre les résultats avant/après : KNN produit des densités uniformes, tandis que XGBoost + physique génère une diversité (4,49 g/cm³ pour les mini-Neptunes, valeurs basses pour les mondes gelés autour de naines rouges).

Les graphiques logarithmiques masse/densité mettent en évidence des zones clés : sous-Terre, super-Terre, mini-Neptunes. KOI-4878 b est classé comme un "Mercure géant" avec un noyau en fer anormalement dense.

Interface et analyses pour développeurs

L’application Tkinter inclut :

• Des tableaux avec ESI et classification.
• Des visualisations des erreurs ML (le mur de clones).
• Des graphiques de synthèse avec zones de phase.
• Des cartes d’objets avec vérification : Proxima Centauri b est un monde rocheux gelé ; TRAPPIST-1 e/f/g sont terrestres dans la zone habitable.

Construit avec scikit-learn, xgboost et pandas, il fonctionne sans problème sur les ordinateurs scolaires. La section "Académie" documente les formules pour plus de transparence.

Points clés :

• L’hybridation ML + physique élimine les hallucinations fréquentes dans l’IA pure en astrophysique.
• XGBoost découvre indépendamment la faille de Fulton dans les données.
• La standardisation de trois bases crée un catalogue complet d’exoplanètes.
• L’interface Tkinter rend l’analyse accessible sans Jupyter.
• Les prédictions sont validées via densité et ESI pour les candidats réels.

— Editorial Team