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].
William Gillard - 04.91.82.72.67 - gillard@cppm.in2p3.fr
Encadrant :
S. Escoffier - escoffier@cppm.in2p3.fr
Sujet :
Bien que l'univers soit bien décrit par le modèle de concordance LCDM, la nature de ses composants, la matière noire et l'énergie noire, demeure une des principales énigmes de la cosmologie moderne. Alors qu'historiquement, l'attention s'est surtout portée sur les régions très denses en matière, les régions sous-denses représentent environ 80 % du volume total de l'univers observable et influencent fortement la croissance de la structure à grande échelle. Comme les vides sont pratiquement dépourvus de matière, ils se sont révélés être des objets très prometteurs pour explorer l'empreinte d'éventuelles modifications de la relativité générale (RG), telles que la gravité f(R) ou les théories étendues de la gravitation.
L'équipe de cosmologie RENOIR du CPPM se concentre sur la compréhension de l'histoire et de la composition de notre Univers, en particulier sur ses composantes sombres. L'équipe est particulièrement impliquée dans les sondages de galaxies de nouvelle génération telles que le Dark Energy Spectroscopic Instrument (DESI) à Mayall (États-Unis) et la mission spatiale européenne Euclid, qui permettront d'observer plusieurs dizaines de millions de galaxies, soit la plus grande carte 3D de l'Univers jamais réalisée.
Un moyen prometteur de sonder les modèles de gravité modifiée est de contraindre la croissance des structures de l'Univers en utilisant linformation issue des distorsions spatiales dans lespace des redshifts (Redshift Space Distortions) autour des vides cosmiques. Ces Distorsions (RSD) sont induites par les vitesses particulières (gravitationnelles) des galaxies, qui provoquent une composante Doppler supplémentaire au flux d'expansion de Hubble, et induisent des anisotropies dans la distribution des galaxies encodées dans la fonction de corrélation à deux points. L'objectif de la thèse porte sur l'extraction de contraintes cosmologiques en utilisant les informations de déformation dit effet Alcock-Paczynski et les informations RSD autour des vides, avec les données DESI et Euclid.
Stages de Master 2 (la plupart des sujets de Master 2 peuvent déboucher sur une thèse) :
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].
