SmSO

Rassembler des experts en optimisation et des astronomes pour construire un outil de planification automatique qui prend en compte des conditions atmosphériques et météorologique et leurs prévisions.

Anne-Marie LAGRANGE, DR CNRS, Observatoire de Paris, LESIA

Julien MILLI, Astronome, IPAG, Grenoble

Nadia BRAUNER, PU UGA, G-SCOP, Grenoble

Pierre LEMAIRE, PU INP, G-SCOP, Grenoble

Hadrien CAMBAZARD, MCF INP, G-SCOP, Grenoble

Nicolas CATUSSE, MCF INP, G-SCOP, Grenoble

Le succès de l’imagerie directe des exoplanètes dépend non seulement des performances instrumentales mais aussi des conditions d’observation pendant l’acquisition des données : la turbulence atmosphérique et les conditions météorologiques (vent, vapeur d’eau, transparence de l’atmosphère) peuvent influencer le contraste final par plusieurs ordres de grandeur. Par conséquent, ordonnancer les observations au bon moment est de la plus haute importance. Nous avons précédemment développé un premier outil de planification automatique, SPOT, pour organiser la campagne d’observation du temps garanti sur l’instrument VLT/SPHERE (800 cibles, 200 nuits d’observation) dédié à la détection d’exoplanètes. SPOT prend en compte, pour chaque cible, ses contraintes de position, sa priorité scientifique, les temps de mise en place des instruments, etc. pour générer des plannings d’observation. Cependant, SPOT ne prend en compte ni les conditions atmosphériques et météorologiques, ni leurs prévisions. En réunissant des experts en optimisation et des astronomes, nous construirons un tel outil, utilisant toute l’information disponible sur les conditions atmosphériques et météorologiques, à la fois en temps réel et en prévisions (typiquement jusqu’à quelques jours), pour optimiser les plannings en temps réel et à moyen terme.


Formaliser le lien entre les conditions externes et la qualité de l’image

Analyser les images à haut contraste et identifier les critères de qualité pertinents puis développer un outil d’apprentissage machine pour relier ces critères aux conditions externes et aux propriétés de l’étoile


Construire des modèles et algorithmes pour l’ordonnancement sous incertitudes

Proposer un algorithme avec prise en compte de la qualité de l’observation qui dépend non seulement de l’intervalle d’ordonnancement choisi, mais aussi des conditions externes


Développer un outil d’ordonnancement qui prend en compte les conditions externes pour les astronomes

Développer un outil qui intègre les algorithmes développés ainsi que des interfaces avec les bases de données astronomiques, météorologiques et avec les utilisateurs.


LESIA, IPAG, G-SCOP (CNRS, Université Grenoble Alpes)


Des attendus scientifiques

Le premier objectif est de décrire, spécifier et formaliser comment les conditions externes influencent la qualité de l’image. Les conditions externes comprennent les données météorologiques et atmosphériques estimées, à différentes altitudes (humidité relative, intensité et direction du vent…). Ce travail utilisera les données d’archive de SPHERE et la base de données atmosphériques de l’ESO. L’analyse d’images à haut contraste d’archive permettra d’identifier des critères de qualité pertinents. Le processus de formalisation aboutira à des expressions (règles, fonctions) qui relient les critères de qualité d’une image aux conditions d’observation.

Le second objectif est de construire des modèles et outils (principalement algorithmique) d’ordonnancement des observations dans le temps avec incertitudes sur les conditions externes. Cet outil devra construire un ordonnancement qui maximise la qualité des observations en considérant à la fois les contraintes astrophysiques et les conditions atmosphériques/météorologiques.

Le logiciel SPOT+ intègrera un solveur d’ordonnancement basés sur ces outils ainsi qu’une interface avec les bases de données de prévision des turbulence et météorologiques des observatoires, et une interface utilisateurs pour les astronomes.


Des impacts sociétaux

Des problèmes d’optimisation avec prise en compte de conditions externes non contrôlables apparaissent dans diverses situations dans l’industrie : fabrication, planification de la maintenance, etc. Un exemple est la production d’électricité, où les opérateurs doivent choisir quelles centrales doivent être allumées ou éteintes, et quelle quantité d’électricité doit être produite à tout moment, compte tenu de plusieurs incertitudes (par exemple, le vent, les débits d’eau, les conditions météorologiques), des prix et de la demande.

Les outils développés ici (algorithmes de filtrage en programmation par contrainte, algorithmes ad-hoc pour trouver une autre solution non dominée à partir de la solution actuelle) seront intéressants pour les entreprises qui développent des solveurs ad-hoc dédiés à l’ordonnancement ou des solveurs génériques avec des routines pour l’ordonnancement. Ils seront proposés à la communauté de l’optimisation par le biais de présentations et d’articles et le code sera ouvert.


Développement de compétences

Une communauté de 6 chercheurs, enseignants chercheurs et ingénieurs mobilisant : 1 Post-doctorant, 1 Doctorant, 1 ingénieur.

Implantation du consortium : Paris-Meudon (LESIA, OBSPM) et Grenoble  (IPAG, G-SCOP)


Plus de projets