William Gillard - 04.91.82.72.67 - gillard@cppm.in2p3.fr
Encadrant :
Benjamin Racine - Dominique Fouchez - racine@cppm.in2p3.fr - fouchez@cppm.in2p3.fr
Sujet :
A la fin des années 90, la mesure de la distance des Supernovae de type 1a (SN1a) et du décalage vers le rouge de leur galaxies hôtes a révélé que lexpansion de lUnivers était en accélération. Plus de 20 ans après cette découverte, la nature de lénergie noire qui serait à lorigine de ce phénomène reste inconnue.
Le modèle de concordance \(\Lambda\)CDM décrit un Univers homogène et isotropes aux grandes échelles, soumis aux lois de la relativité générale (RG). Dans ce modèle, la majorité du contenu énergétique de l'Univers provient de la matière noire froide et de lénergie noire, introduite comme une constante cosmologique. Celle-ci se comporte comme un fluide parfait avec une pression p négative, déquation détat p = - rho, où rho est la densité dénergie.
Certains modèles alternatifs (cf [1] pour une revue) introduisent par exemple des champs scalaires (quintessence) dont lévolution est responsable de l'expansion accélérée. Ces champs scalaires peuvent varier dans le temps et lespace. Ils peuvent donc avoir une équation détat dépendant du temps ainsi que générer des anisotropies de lexpansion.
Dautres modèles proposent de modifier la loi de la gravitation aux grandes échelles imitant le rôle de lénergie noire.
Aujourdhui encore, les supernovae restent lune des sondes les plus précises pour mesurer lexpansion de lUnivers et son homogénéité. Par ailleurs, une partie du décalage vers le rouge des galaxies provient dun effet Doppler dû à leurs vitesses particulières. On peut alors grâce aux supernovae reconstruire le champ de vitesse à grande échelle, et mesurer le taux de croissances des structures cosmiques. Cela nous permettra de tester la loi de la gravitation.
Une anisotropie de lexpansion aux grandes échelles, une modification de la RG, ou une évolution de léquation détat de lénergie noire, seraient toutes des observations révolutionnaires qui remettraient en cause notre modèle actuel.
Jusqu'à aujourd'hui les relevés de supernovae compilaient des données de multiples télescopes compliquant leur analyse statistique. Les relevés du Zwicky Transient Facility (ZTF: https://www.ztf.caltech.edu/) et de lobservatoire Vera Rubin/LSST (https://www.lsst.org/) vont changer la donne. Ils couvrent la totalité du ciel et mesurent avec précision la distance de dizaines (centaines) de milliers de supernovae proches (lointaines).
Le CPPM travaille sur les données de ZTF depuis 2021, et publiera la première analyse cosmologique en 2025 avec ~3000 SN1a. Nous participons à la construction et la mise en place de LSST depuis des années, en se préparant à larrivée des premières données cet été.
Dans le groupe, nous travaillons à la calibration photométrique du relevé ZTF, indispensable pour la précision de mesure dont nous avons besoin (cf ubercalibration [2,3]). Un doctorant venant de soutenir sa thèse a développé un pipeline pour simuler ZTF et mesurer le taux de croissance des structures ([4]) et un doctorant actuel adapte cet exercice à LSST et un autre a débuté en 2024 pour lanalyse de 3000 SN1a de ZTF. Par ailleurs deux postdoctorants ont rejoint le groupe pour travailler sur ZTF, et une chaire dexcellence (DARKUNI de Julian Bautista) étend ce travail en combinant ces données avec les données spectroscopiques de DESI.
Lobjectif de la thèse est de développer et perfectionner ce pipeline danalyse pour mesurer le taux de croissance des structures. La totalité des 30000 SN1a de ZTF sera disponible pour faire lanalyse cosmologique finale de ce relevé.
La thèse coïncide aussi avec l'arrivée des premiers catalogues de SN1a de LSST.
Dautres aspects pourront sajouter à la thèse, comme létude de lhomogénéité de lexpansion, la calibration photométrique des données etc.
Il sagit donc dune thèse de cosmologie observationnelle, pour un-e candidat-e intéressé-e par la cosmologie et lanalyse de données.
Vingt ans après la découverte de l'accélération de l'expansion de l'univers par des mesures avec les supernovas, la sonde supernovas reste l'un des moyens les plus précis pour mesurer les paramètres de cette période récente de l'histoire de notre univers dominée par ce qu'on appelle l'énergie noire.
L'observatoire Rubin avec le relevé Large Survey of Space and Time (Rubin/LSST) sera mis en service en 2025 et débutera officiellement fin 2025. Il s'agit d'un télescope de 8,4 mètres doté d'une caméra de 3,2 milliards de pixels, la plus puissante jamais construite.
Ce télescope prendra une photo de la moitié du ciel toutes les trois nuits pendant dix ans. Ce sondage permettra de mesurer des milliards de galaxies avec une grande précision et de suivre la variation dans le temps de tous les objets transitoires. Avec de nombreuses autres études astrophysiques, ce sera une machine très puissante pour déterminer les paramètres cosmologiques à l'aide de nombreuses sondes différentes et, en particulier, elle imposera de fortes contraintes sur la nature de l'énergie noire. Le projet LSST vise à découvrir jusqu'à un demi-million de supernovae. Cette amélioration de deux à trois ordres de grandeur statistique par rapport à l'ensemble des données actuelles permettra de tester précisément les paramètres de l'énergie noire, de tester la relativité générale et imposera également de nouvelles contraintes sur l'isotropie de l'univers.
Au cours de la thèse, nous proposons de préparer puis de participer à l'analyse des premières supernovae de Rubin/LSST. La préparation se fera en utilisant les données HSC/Subaru existantes, et les premières images du télescope Rubin.
L'étudiant.e participera à la mise en service de Rubin/LSST. Elle/Il aura en charge de poursuivre les développements des méthodes de deep learning pour l'identification des supernovae et de les mettre en application sur les premières images.
Elle/Il participera ensuite aux premières analyses utilisant les supernovae qu'elle/il aura contribué à identifier.
Le groupe LSST du CPPM est déjà impliqué dans la photométrie de précision pour LSST, avec une implication directe dans la validation des algorithmes au sein de DESC/LSST [1][2][3], et a proposé une nouvelle méthode d'apprentissage profond pour améliorer l'identification photométrique des supernovas [4] et les redshifts photométriques [5].
Vingt ans après la découverte de l'accélération de l'expansion de l'univers par des mesures avec les supernovas, la sonde supernovas reste l'un des moyens les plus précis pour mesurer les paramètres de cette période récente de l'histoire de notre univers dominée par ce qu'on appelle l'énergie noire.
L'observatoire Rubin avec le relevé Large Survey of Space and Time (Rubin/LSST) sera mis en service en 2025 et débutera officiellement fin 2025. Il s'agit d'un télescope de 8,4 mètres doté d'une caméra de 3,2 milliards de pixels, la plus puissante jamais construite.
Ce télescope prendra une photo de la moitié du ciel toutes les trois nuits pendant dix ans. Ce sondage permettra de mesurer des milliards de galaxies avec une grande précision et de suivre la variation dans le temps de tous les objets transitoires. Avec de nombreuses autres études astrophysiques, ce sera une machine très puissante pour déterminer les paramètres cosmologiques à l'aide de nombreuses sondes différentes et, en particulier, elle imposera de fortes contraintes sur la nature de l'énergie noire. Le projet LSST vise à découvrir jusqu'à un demi-million de supernovae. Cette amélioration de deux à trois ordres de grandeur statistique par rapport à l'ensemble des données actuelles permettra de tester précisément les paramètres de l'énergie noire, de tester la relativité générale et imposera également de nouvelles contraintes sur l'isotropie de l'univers.
Dans ce stage de Master 2, nous proposons d'analyser les premières images Rubin/LSST en utilisant le logiciel LSST et notre méthode d'apprentissage profond pour l'identification des transitoires/supernovas. Le travail sera préparé et mené en parallèle sur les données HSC/Subaru existantes. En effet, les données HSC ont des caractéristiques très proches de celles que nous attendons de Rubin/LSST.
Le groupe LSST du CPPM est déjà impliqué dans la photométrie de précision pour LSST, avec une implication directe dans la validation des algorithmes au sein de DESC/LSST [1][2][3], et a proposé une nouvelle méthode d'apprentissage profond pour améliorer l'identification photométrique des supernovas [4] et les redshifts photométriques [5].
