Estimation rapide des paramètres des ondes gravitationnelles pour la mission spatiale LISA

CEA; Saclay; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Un institut de recherche à Saclay propose une thèse axée sur l'estimation rapide des paramètres des ondes gravitationnelles pour la mission spatiale LISA. Le candidat idéal doit avoir un diplôme en traitement du signal ou en machine learning. Les responsabilités incluent le développement d'outils de détection et la gestion de données complexes. Cette position est disponible dès octobre 2025.

Qualifications

• Formation recommandée en traitement du signal ou machine learning.
• Compétences requises en méthodes bayésiennes et statistiques.

Responsabilités

• Développement d'outils de détection pour le LLAP de LISA.
• Gestion des données complexes et détection précoce des événements.
• Application d'approches d'apprentissage automatique et statistiques.

Connaissances

Traitement du signal

Machine learning

Méthodes bayésiennes

Statistiques

Formation

Diplôme d'ingénieur grande école ou Master 2

Description du poste

Description du sujet de thèse

Description du sujet de thèse et Domaine : Physique corpusculaire et cosmos.

Sujets de thèse : Estimation rapide des paramètres des ondes gravitationnelles pour la mission spatiale LISA.

Contrat

Thèse

Description de l'offre

Contexte et Projet de doctorat : LISA est un observatoire spatial d’ondes gravitationnelles dont le lancement est prévu pour 2035. Le pipeline d’analyse à faible latence (LLAP) doit permettre la détection rapide et la caractérisation des signaux, ainsi que l’estimation rapide de la position dans le ciel et du temps de coalescence, afin de soutenir le suivi multi-messagers et l’analyse globale des données.

Le projet de doctorat vise le développement d’outils de détection et d’identification d’événements pour le LLAP de LISA, en prenant en compte les données de type paquet, les artefacts, les glitches et les données manquantes. Les thématiques couvrent :

• L’inférence rapide des paramètres des ondes gravitationnelles (position du ciel, temps de coalescence) avec des défis tels que la multimodalité et les contraintes de temps ;
• Des stratégies d’inférence avancées : algorithmes d’échantillonnage basés sur le gradient, apprentissage automatique (par exemple, normalising flows) et inférence variationnelle ;
• La détection précoce des fusions de trous noirs ;
• La gestion de la complexité croissante des données LISA (bruit, réponse instrument, glitches, données manquantes, sources superposées) ;
• Le traitement en ligne des paquets de données de 5 minutes avec le cadre d’inférence rapide développé.

La thèse sera basée sur l’application de méthodes bayésiennes et statistiques et sur l’apprentissage automatique, avec un volet nécessaire sur la partie physique pour comprendre les simulations et interpréter les résultats relatifs à la détectabilité des signaux dans le contexte LISA.

Université / école doctorale

Sciences et Technologies de l'Information et de la Communication (STIC) – Paris-Saclay.

Localisation du sujet de thèse

Site : Saclay.

Critères candidat

Formation recommandée : Diplôme d'ingénieur grande école ou Master 2 traitement du signal / machine learning.

Demandeur

Disponibilité du poste : 01/10/2025.

Personne à contacter par le candidat

Contact : LIAUDAT Tobias — [e-mail], CEA, DRF/IRFU/DEDIP, Pièce 20, Bâtiment 123, CEA-Saclay, 07 83 88 91 52.

Tuteur / Responsable de thèse

Responsable : BOBIN Jérôme — [e-mail], CEA, DRF/IRFU/DEDIP, Orme des merisiers - DPhN, Bâtiment 703, 91190 Gif-sur-Yvette, 0169084591.

En savoir plus

https://tobias-liaudat.github.io