Description du sujet de thèse

Le neutrino est encore l'une des particules les moins connues du Modèle Standard. Ces dernières décennies, un grand nombre d'expériences ont établi le mélange des saveurs des neutrinos et que les neutrinos sont des particules massives, ce qui a valu deux prix Nobels et le Breakthrough Prize en 2015. La compréhension de l'oscillation des neutrinos reste incomplète et un important effort international est en cours pour compléter notre compréhension du rôle du neutrino dans l'Univers. Dans la prochaine décennie, de nouvelles expériences visent à éclairer davantage sur la nature du neutrino, l'ordre des masses et les paramètres de violation de CP qui génèrent les asymétries matière-antimatière.

Dans ce contexte, l'observatoire KM3NeT/ORCA, situé en mer Méditerranée, vise à mesurer l'ordre des masses des neutrinos en utilisant les neutrinos produits par les rayons cosmiques dans l'atmosphère, en exploitant la structure de notre planète comme un moyen de sélectionner les neutrinos hautement énergétiques et l'eau de mer comme l'un des plus grands volumes d'eau instrumentés. Le détecteur KM3NeT/ORCA est situé à 2500 mètres de profondeur sur le fond marin et comprendra 115 lignes équipées de modules de photodétecteurs pour enregistrer les cascades lumineuses des interactions de particules de haute énergie.

Nous proposons un projet de recherche passionnant pour développer les capacités de l'analyse KM3NeT/ORCA en développant des méthodes statistiques pour mesurer les paramètres d'oscillation des neutrinos et des techniques d'apprentissage automatique (ML) novatrices pour reconstruire les quantités observables et en apprendre davantage sur la réponse du détecteur à mesure qu'il se développe en taille et en capacité.

Dans cette thèse, vous jouerez un rôle central pour :
• Approfondir l'analyse de l'ordre des masses des neutrinos en explorant des techniques bayésiennes et d'autres outils statistiques modernes pour améliorer la portée physique de l'expérience.
• Apprendre des techniques de ML de pointe pour optimiser et étendre la gamme d'outils de ML disponibles pour la collaboration KM3NeT.

Vous travaillerez au sein d'un groupe dynamique et en pleine croissance, composé de quatre chercheurs expérimentés, d'un post-doctorant et d'un doctorant. Vous serez amené à participer à des réunions de collaboration et à contribuer à la construction et à l'exploitation de l'observatoire.

Vous devriez avoir un niveau de Master 2 en physique subatomique ou équivalent, des connaissances en physique nucléaire, physique des particules et interactions rayonnement-matière. Un bon niveau en mathématiques et une certaine connaissance des bibliothèques de ML Python seraient un bon point de départ, ainsi qu'une très bonne maîtrise de l'anglais parlé et de bonnes compétences en communication. Pendant la thèse, l'étudiant recevra la formation nécessaire en physique expérimentale en physique fondamentale (neutrinos) ainsi que des compétences en matière d'analyse de données et de silmulation.

Contexte de travail

Le LPC CAEN, qui compte environ 93 personnels, est une Unité Mixte de Recherche (UMR 6534) dépendant de trois tutelles : le CNRS, l'Université de Caen Normandie (UCN) et l'Ecole Nationale Supérieure d'Ingénieurs de Caen (ENSICAEN). Il est situé sur le Campus 2 de l'Université de Caen (Campus Côte de Nacre) et fait parti du parc de recherche de l'ENSICAEN (www.lpc-caen.in2p3.fr/).

Contraintes et risques

Déplacements en France et à l'international fréquents sont à envisager

Informations complémentaires

Le contrat est financé par le "RIN 2022 Chaire Excellence : 00120837-22E03518 _ ALPHA, Région Normandie".