En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Doctorant (H/F) - Détection de Planètes en Formation par Spectroscopie Intégrale de Champ

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : vendredi 1 juillet 2022

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Informations générales

Référence : UMR5274-MICBON-003
Lieu de travail : GRENOBLE
Date de publication : vendredi 10 juin 2022
Nom du responsable scientifique : Mickaël Bonnefoy, Olivier Michel
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 septembre 2022
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Plus de 5000 exoplanètes ont été découvertes. La majorité des systèmes connus se sont formés il y a plusieurs milliards d'années. Les détections récentes par imagerie directe de planètes en cours de formation [1], à des âges de quelques millions d'années, ouvrent une nouvelle fenêtre observationnelle sur l'évolution précoce des systèmes planétaires.

Ces découvertes ont été rendues possibles grâce à des systèmes d'optique adaptative performants couplés à des spectrographes intégraux de champ (IFS), produisant des données hyperspectrales à haute résolution spatiale et spectrale. La diversité des données peut être utilisée pour soustraire le halo stellaire brillant et isoler le signal faible et parcimonieux de la planète. Un large potentiel existe pour améliorer l'ensemble de la stratégie d'analyse de ces données et ainsi accroître nos capacités de détection.

L'étudiant sera responsable du développement, de l'implémentation (test et validation), et du déploiement d'algorithmes novateurs pour l'analyse des données IFS afin d'accroître nos capacités de détection des planètes en formation. Le travail sera organisé autour de trois axes :
l'étudiant proposera et adaptera des algorithmes pour détecter les signaux planétaires parcimonieux dans des données traitées de manière optimale (reconnaissance de motifs, etc);
elle/il/ielle adaptera les méthodes de calibration des données hyperspectrales pour diminuer les taux de faux positifs;
elle/il/ielle appliquera massivement ces outils sur des données obtenues avec le Very Large Telescope (VLT; Chili) dans le but de détecter de nouvelles planètes.
Il sera donné l'opportunité à l'étudiant[e] de proposer et conduire ses propres programmes d'observation et de participer à la préparation scientifique des instruments VLT/SPHERE+ et ELT/HARMONI qui offriront prochainement de nouvelles opportunités de détection et de caractérisation des planètes en formation. Les algorithmes et les découvertes d'exoplanètes seront publiées dans les articles de références et les codes mis en ligne.

[1] Haffert et al. 2019, Nature Astronomy, 3, 749
https://arxiv.org/pdf/1906.01486.pdf

Contexte de travail

L'étudiant[e] sera co-encadré[e] par Mickaël BONNEFOY à l'Institut de Planétologie et d'Astrophysique de Grenoble et Olivier MICHEL au GIPSA-Lab (Grenoble Images Parole Signal Automatique). Ces laboratoires offrent un environnement collaboratif riche en astrophysique et traitement du signal. Elle/Il travaillera au sein du projet ANR FRAME coordonné par M. BONNEFOY. FRAME s'intéresse à la détection et la caractérisation des protoplanètes. En intégrant le projet, Elle/Il collaborera étroitement avec des astronomes experts en formation stellaire et planétaire et des experts en science des données en France (Nice, Saint-Etienne, Lyon).

Profile
Nous sommes à la recherche d'un étudiant titulaire d'un Master ou équivalent en Science des Données avec un fort attrait pour l'astronomie. L'étudiant devra être en capacité de résoudre des problèmes complexes de manière rigoureuse et de s'approprier des données et des algorithmes. Elle/Il doit avoir d'excellentes capacités à rédiger en anglais et à présenter son travail. Le travail en équipe est essentiel.

Pré-requis
Nous recherchons un titulaire de diplôme de master (ou équivalent) en mathématiques appliquées, traitement du signal, vision assistée par ordinateur. Des connaissances en spectroscopie, imagerie classique et hyperspectrale sont un plus.
Maîtrise du langage Python. Des connaissances en langage Julia et Matlab sont appréciées.
Bonne maîtrise de l'anglais à l'oral et à l'écrit. Bonnes capacités rédactionnelles et de communication.

Informations complémentaires

Projet ANR FRAME (ANR-20-CE31-0012)

On en parle sur Twitter !