L'apprentissage automatique pour l'analyse cosmologique des images de lentille gravitationnelle[...]

CEA; Saclay; Sur place; EUR 30 000 - 40 000; Plein temps

Résumé du poste

Une opportunité passionnante pour un doctorat dans le domaine de la physique et de l'astrophysique. Ce projet de thèse se concentre sur l'apprentissage automatique pour analyser les images de lentille gravitationnelle faible du satellite Euclid. Les candidats travailleront sur des algorithmes modernes pour corriger les biais de détection, contribuant ainsi à des mesures cosmologiques précises. Ce poste est idéal pour ceux qui souhaitent faire avancer la recherche en cosmologie et explorer les mystères de l'univers. Rejoignez une équipe dynamique à Saclay et participez à des découvertes qui pourraient transformer notre compréhension de la matière noire.

Qualifications

• Formation recommandée en physique, astrophysique ou mathématiques appliquées.
• Compétences en apprentissage automatique pour l'analyse des données.

Responsabilités

• Quantifier et corriger les biais de détection des lentilles faibles.
• Effectuer des analyses d'inférence de paramètres cosmologiques.

Connaissances

Apprentissage automatique

Analyse cosmologique

Mathématiques appliquées

Informatique

Formation

Physique

Astrophysique

Mathématiques appliquées

Outils

Techniques d'auto-différenciation

Description du poste

Description du sujet de thèse

Domaine

Physique corpusculaire et cosmos

Sujets de thèse

L'apprentissage automatique pour l'analyse cosmologique des images de lentille gravitationnelle faible provenant du satellite Euclid

Contrat

Thèse

Description de l'offre

L'effet de lentille gravitationnelle faible, la distorsion des images de galaxies à haut redshift due aux structures de matière au long de la ligne de visée à grande échelle, est l'un des outils les plus prometteurs de la cosmologie pour sonder le secteur sombre de l'Univers. Le satellite spatial européen Euclide mesurera les paramètres cosmologiques avec une précision sans précédent. Pour atteindre cet objectif ambitieux, un certain nombre de sources d'erreurs systématiques doivent être quantifiées et comprises. L'une des principales origines des biais est liée à la détection des galaxies. Il existe une forte dépendance à la densité de galaxies locale et au fait que l'émission lumineuse de la galaxie chevauche les objets proches. Si elles ne sont pas traitées correctement, de telles galaxies "mélangées" (blended) biaiseront fortement toute mesure ultérieure de distorsions d'image à faible lentille.
L'objectif de cette thèse est de quantifier et de corriger les biais de détection des lentilles faibles, notamment dus au mélange. À cette fin, des algorithmes modernes d'apprentissage automatique et profond, y compris des techniques d'auto-différenciation, seront utilisés. Ces techniques permettent une estimation très efficace de la sensibilité des biais liés aux propriétés des galaxies et des levés sans qu'il soit nécessaire de créer un grand nombre de simulations. L'étudiant effectuera des analyses d'inférence de paramètres cosmologiques des données de lentille faible d'Euclide. Les corrections des biais développées dans cette thèse seront inclues à prior dans la mesure de formes de galaxies, où à postérior à l'aide de paramètres de nuisance, afin d'obtenir des mesures de paramètres cosmologiques avec la fiabilité requise pour une cosmologie de précision.

Université / école doctorale

Astronomie et Astrophysique d'Île de France (ED A&A)
Paris-Saclay

Localisation du sujet de thèse

Site

Saclay

Critères candidat

Formation recommandée

Physique, astrophysique, mathématiques appliquées ou sujet similaire

Demandeur

Disponibilité du poste

01/10/2025

Personne à contacter par le candidat

Kilbinger Martin [e-mail]
CEA
DRF/IRFU/DAp/LCS
Ormes des Merisiers | Département d'Astrophysique (DAp) Building 709
21753

Tuteur / Responsable de thèse

Farrens Samuel [e-mail]
CEA
DRF/IRFU/DAP/LCS
Ormes des Merisiers
Département d'Astrophysique (DAp) Bât 709
91191 Gif-sur-Yvette
28377

En savoir plus

Kilbinger
Cosmostat