Thèse de doctorat (H/F) : approche bayésienne et problèmes inverses pour l'estimation des propriétés de

Sujet de thèse :
Résumé en français (voir sujet détaillé ci-dessous) :

Le modèle cosmologique standard postule que matière noire et énergie sombre constituent ~95 % de l’Univers. Des analyses de relevés de galaxies révèlent des contradictions entre observations et modèle. L’inférence des paramètres cosmologiques à partir des propriétés de galaxies résulte d’une chaîne de traitement complexe impliquant observations et théories astrophysiques, sciences du numérique et des données. Le débat consiste à déterminer si ces tensions proviennent d’une nouvelle physique ou d’approximations entraînant des biais systématiques. Ce projet vise à perfectionner la chaîne d’inférence en utilisant les simulations CLONES, fournies par CRIStAL, comme vérité-terrain, les images multi-longueurs d’onde et les spectres de galaxies de l’équipe GEPI, et les dernières avancées en termes d’inférence Bayésienne et d’apprentissage automatique de l’équipe CRIStAL/SigMA. En inférant sans biais, grâce aux sondages de l’univers, son taux d’expansion, ce projet pourrait résoudre le paradoxe apparent du décalage entre valeurs théorique et inférée de ce taux.


Mots clefs : Problèmes inverses - Inférence Bayésienne – Apprentissage automatique - Galaxies - Cosmologie


Sujet détaillé :

Selon le modèle cosmologique standard, la matière noire et l’énergie sombre constituent environ 95% de l’Univers. Les récentes analyses de grands relevés de galaxies révèlent des tensions avec ce modèle. Par exemple, la mesure locale du taux d’expansion et l’estimation de l’homogénéité de l’Univers diffèrent de plus de trois écarts-types de celles déduites de la première lumière de l’Univers. Le débat consiste à déterminer si ces tensions sont synonymes de nouvelles physiques ou d’effets systématiques dus à la longue chaîne de traitement des observations.

L'inférence de paramètres cosmologiques, comme le taux d’expansion, à partir des propriétés d'objets astronomiques tels que des galaxies et les amas de galaxies, appelés sondes, est un processus complexe. Elle nécessite de multiples domaines d'expertise : observation astronomique, théorie astrophysique, sciences du numérique et des données. Cependant, les différentes communautés n’interagissent que rarement. Ces découplages communautaires peuvent entraîner des biais systématiques dans la chaîne de traitement des observations, et, par conséquent, dans l’estimation finale des paramètres cosmologiques.

Par exemple, une partie de cette chaîne s’appuie sur des simulations cosmologiques utilisées comme vérité-terrain, manquante en cosmologie. Ces données synthétiques issues de la simulation de modèles astrophysiques encodent notre compréhension physique des phénomènes. Cette compréhension, et donc les simulations, sont en général la clef de toute procédure d’inférence. Pour garantir la prise en compte de tous les aspects, ces simulations s’enrichissent et deviennent de plus en plus complexes et volum
Voir plus sur le site emploi.cnrs.fr...