Description du sujet de thèse

Sujet : Approches de l’apprentissage automatique pour l’analyse d’images avec l’instrument Euclid/NISP dans le cadre du projet ANR DISPERS

La mission Euclid vise à cartographier la distribution de la matière noire et de l’énergie noire dans l’Univers. Pour atteindre cet objectif ambitieux, une analyse précise des images du ciel est essentielle. Les modèles paramétriques traditionnels, bien que utiles, sont limités dans leur capacité à capturer toute la complexité des données et à le faire de manière efficace.

Ce projet de thèse vise à faire progresser le domaine de l’analyse d’images spectroscopiques sans fente pour l’instrument Euclid/NISP en intégrant des techniques de pointe en apprentissage automatique, dans le cadre du projet ANR DISPERS. Les objectifs principaux incluent :

Développer et appliquer des méthodes d’apprentissage automatique pour améliorer les capacités d’analyse d’images.
Améliorer la précision et l’exactitude de l’identification et de la caractérisation des sources dans les images spectroscopiques sans fente.
Utiliser l’apprentissage automatique pour inférer des propriétés physiques telles que les raies d’émission et le décalage vers le rouge directement à partir des images.

Approche de recherche :

Le doctorant, la doctorante se concentrera sur l’application de modèles d’apprentissage automatique à l’analyse des images obtenues avec l’instrument Euclid/NISP. Cette approche inclura l’utilisation des données de calibration existantes et l’intégration des avancées récentes en calcul accéléré par GPU. Les travaux s’appuieront sur les résultats actuels du projet ANR DISPERS relatifs aux fonctions d’étalement des points (PSF) de NISP et à la dispersion spectrale, en les améliorant avec des techniques d’apprentissage automatique.
Portée scientifique :

La recherche menée dans cette thèse aura un impact direct sur la mission Euclid et la communauté astrophysique au sens large. En faisant progresser les techniques d’analyse d’images, cette recherche contribuera à affiner nos modèles de l’Univers, à améliorer notre compréhension de la matière noire et de l’énergie noire, et à fournir des outils robustes pour l’analyse des données astronomiques dans les missions futures.

Collaborations :

Le doctorant, ou la doctorante travaillera au sein de l’équipe Euclid au CPPM. Le projet impliquera des collaborations avec des équipes et des experts internationaux en astrophysique, apprentissage automatique et analyse de données, y compris des collègues du laboratoire d’informatique et des systèmes.
​

Contexte de travail

Le Centre de Physique des Particules de Marseille (CPPM) est un laboratoire de recherche sous la tutelle du CNRS et de l’Université Aix-Marseille, comptant environ 170 personnes. Le CPPM est un laboratoire expérimental dédié à la physique fondamentale, explorant et approfondissant notre compréhension des lois fondamentales de la physique, de la matière et de l’Univers. L’équipe de recherche sur l’énergie noire du CPPM (Renoir) participe activement à la mission spatiale Euclid de l’ESA, contribuant notamment à la construction, la calibration et l’exploitation en vol de l’instrument proche infrarouge (NISP) à bord du satellite Euclid. Ces efforts sont cruciaux pour assurer le succès de la mission et la qualité des données scientifiques collectées.