| Laboratoire : | Centre de Physique des Particules de Marseille Case 902 |
| 163 avenue de Luminy - 13288 Marseille Cedex 9 | |
| Directeur : | Cristinel Diaconu - 04.91.82.72.01 - diaconu@cppm.in2p3.fr |
| Correspondant : | William Gillard - 04.91.82.72.67 - gillard@cppm.in2p3.fr |
| Groupe d'accueil : | Renoir |
| Chef de groupe : | Dominique Fouchez - 04.91.82.72.49 - fouchez@cppm.in2p3.fr |
| Directeur de thèse : | Dominique Fouchez - 04.91.82.72.49 - fouchez@cppm.in2p3.fr |
Thématique : Cosmologie observationnelle
ingt 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 a démarré le relevé Large Survey of Space and Time (Rubin/LSST) depuis le mois de Juin 2026. Rubin opère un télescope de 8,4 mètres équipé d'une caméra de 3,2 milliards de pixels, la plus puissante jamais construite.
Durant le relevé, la moitié du ciel sera observée 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 participer à l'analyse des premières supernovae de Rubin/LSST.
L'étudiant.e aura en charge de poursuivre les développements des méthodes de deep learning pour la découverte et 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], et a proposé de nouvelles méthodes d'apprentissage profond pour améliorer la détection [5], l'identification photométrique des supernovas [3] et les redshifts photométriques [4].
[1] https://www.lsst.org/content/lsst-science-drivers-reference-design-and-anticipated-data-products
[2] https://arxiv.org/abs/1211.0310
[3] https://arxiv.org/abs/1901.01298
[4] https://arxiv.org/abs/1806.06607
[5] https://arxiv.org/abs/2607.05393