La matière dans les plus grandes structures de l’Univers : des galaxies aux filaments, observations et analyse de données

par Victor Bonjean

Thèse de doctorat en Astronomie et Astrophysique

Sous la direction de Nabila Aghanim et de Philippe Salomé.

Soutenue le 27-09-2019

à Paris Sciences et Lettres (ComUE) , dans le cadre de École doctorale Astronomie et astrophysique d'Île-de-France (Meudon, Hauts-de-Seine ; 1992-....) , en partenariat avec Institut d'astrophysique spatiale (Orsay, Essonne ; 1998-....) (laboratoire) , Observatoire de Paris (établissement opérateur d'inscription) et de Institute dastrophysique spatiale (laboratoire) .

Le président du jury était Françoise Combes.

Le jury était composé de Nabila Aghanim, Philippe Salomé, Stéphane Arnouts, Olivier Doré, Sophie Maurogordato, Simon White.

Les rapporteurs étaient Stéphane Arnouts, Olivier Doré.


  • Résumé

    L'étude de l'évolution et de la composition des grandes structures de l'Univers, comme les amas de galaxies et les filaments cosmiques, est l'un des sujets de recherche les plus actifs en cosmologie. Au cours de ma thèse, j'ai analysé des relevés publiques multi-longueurs d'onde (SDSS, WISE, Planck), en utilisant des techniques d'analyse de données nouvelles comme l'apprentissage automatique ou les méthodes bayésiennes. Le but de mon travail était d'étudier la matière baryonique (gaz ionisé et chaud et galaxies) dans le milieu intra-amas, et dans la toile cosmique (ponts de matière et filaments cosmiques).Au cours de ma thèse, j'ai notamment développé un algorithme basé sur l'intelligence artificielle afin d'estimer les propriétés des galaxies, telles que le taux de formation des étoiles (SFR) et la masse stellaire dans la plage de redshift 0,05<z<0,3, directement applicable aux données infrarouge WISE. La détermination de ces deux propriétés pour de grands volumes de ciel permet de classer un grand nombre de galaxies en fonction de leurs types (actives, en transition, passives), une étape clé pour étudier l'effet de l'environnement sur l'évolution des galaxies.En combinant ces propriétés avec les informations sur le gaz chaud et ionisé observé via l'effet Sunyaev-Zel'dovich (SZ), j'ai étudié la paire d'amas de galaxies A399-A401 reliée par un pont de matière de ~3Mpc de long, détecté de manière significative sur la carte de Planck. J'ai caractérisé le gaz et les galaxies dans ce système double exceptionnel, qui est un cas unique de filament cosmique chauffé par la collision des deux amas.En estimant le SFR et la masse stellaire du catalogue WISExSCOS (~15 millions de sources dans la gamme 0.1<z<0.3), j'ai étendu mon travail sur le pont de matière A399-A401 à une étude statistique des propriétés des galaxies le long des filaments cosmiques, de longueurs comprises entre 10 et 100 Mpc environ. Le catalogue de filaments, extrait de l'échantillon de galaxies spectroscopiques SDSS DR12, contient ~10000 objets. J'ai étudié les propriétés statistiques des galaxies actives, en transition, et passives, et de leurs SFRs et masses stellaires autour de ces structures pour explorer le processus d'arrêt de formation d'étoiles.Un autre aspect de ma thèse était la réduction et l'analyse des données d'un grand programme de l'ESO, qui visait à détecter les galaxies d'amas des sources SZ Planck dans les bandes optiques g, r, et z et en spectroscopie de 4000 à 8000 Angstrom. Le but de ce programme était de confirmer ou infirmer la détection de 129 amas massifs identifiés par Planck via l'effet SZ dans l'hémisphère sud. J'ai développé des pipelines pour réduire les données photométriques avec NTT/EFOSC et les données spectroscopiques avec VLT/FORS2. Des redshifts ont pu être fournis pour tous les amas confirmés. Un total de 49 amas avec des redshifts estimés z>0,5 ont été observés avec VLT/FORS2. L'analyse des ~3000 spectres obtenus est en cours et avec les données actuelles, nous confirmerons spectroscopiquement environ 10 amas avec près de 10 galaxies membres par amas.La quantité de gaz ionisé et chaud de la toile cosmique pourrait représenter environ 40% des baryons à bas redshift. Il est donc important d'utiliser des traceurs d'observation optimisés pour le gaz. Dans ce but, j'ai développé un algorithme d'apprentissage profond utilisant tout le potentiel des données Planck pour détecter l'effet SZ des amas de galaxies et du gaz chaud ionisé. J'ai entraîné un réseau neuronal convolutionnel sur les cartes de fréquence de Planck à reconnaître les amas sélectionnés en SZ, rayons X et optique. Avec ce modèle, j'ai généré une carte du ciel de SZ à faible bruit, dans laquelle j'ai détecté environ 10 fois plus de candidats que le premier catalogue Planck des sources SZ. J'ai montré que l'apprentissage profond semble être une approche prometteuse pour améliorer la carte SZ et pour détecter le gaz à faible pression dans la toile cosmique.

  • Titre traduit

    Matter in the largest structures of the Universe : from galaxies to filaments, observations and data analysis


  • Résumé

    Studying the evolution and the composition of the largest stuctures of the Universe, e.g., galaxy clusters and cosmic filaments, is one of the most challenging research topic in cosmology. During my phD thesis, I have analysed publicly available multi-wavelength surveys (namely SDSS, WISE, Planck), using new techniques in data analysis such as machine learning or Bayesian methods. The purpose of my work was to study the baryonic matter (hot gas and galaxies) in the intra-cluster medium, and in the cosmic web (bridges of matter between clusters of galaxies and cosmic filaments).During my thesis, I have developed an algorithm based on machine learning in order to estimate galaxy properties, such as star formation rate and stellar mass in the redshift range 0.05<z<0.3, directly applicable to WISE infrared data. Determining rapidly these two properties on large volumes of the sky allows us to classify a large number of galaxies (active, transitioning, passive), which is a key step to probe the effect of the environment on galaxy evolution.By combining these properties with the information on the hot and diffuse gas in the Cosmic Web observed via the thermal Sunyaev-Zel'dovich effect (tSZ), I have studied the galaxy cluster pair A399-A401, a bridge of matter of ~3Mpc long, detected with high significance in the Planck map. I have characterised the gas and the galaxies in this exceptional double system, which is a unique case of cosmic filament heated by the ongoing collapse of the two clusters.By estimating SFR and stellar mass of the full-sky photometric redshift catalogue WISExSCOS (~15 million sources in the range 0.1<z<0.3), I have extended my work on the bridge of matter A399-A401 to a statistical study of galaxy properties along cosmic filaments, of lengths from about 10 to 100 Mpc. The catalogue of filaments, extracted from the SDSS DR12/BOSS sample of spectroscopic galaxies, contains ~10000 objects. I have studied the statistical properties of the active, transitioning, and passive galaxies and of their SFRs and stellar masses in the largest filaments of the cosmic web to explore the quenching process.Another aspect of my phD thesis was the data reduction and analysis of an ESO large program, that aimed to detect cluster galaxy members in optical bands g, r, and z and in spectroscopy from 4000 to 8000 Angstrom. The goal of this Planck follow-up program was to confirm the detection of 129 southern candidate massive clusters identified by Planck via the SZ effect. I have developed pipelines to reduce both photometric data with NTT/EFOSC and spectroscopic data with VLT/FORS2. Among the 129 SZ sources, only a handful are false detections. Estimated redshifts can be provided for all the confirmed clusters. A total of 49 clusters with estimated redshifts z>0.5 were observed with VLT/FORS2. The analysis of the ~3000 obtained spectra is still ongoing and with the actual data, we expect the spectroscopic confirmation of about 10 galaxy clusters with about 10 members per clusters.The gas content of the cosmic web may account for about 40% of the baryons. Therefore, it is important to use optimised observational tracers of the gas. In this purpose, I have developed a deep learning algorithm using the full potential of the Planck data to detect the SZ effect tracing galaxy clusters and hot ionised gas. I have trained a convolutional neural network on the Planck frequency maps to recognize clusters selected in tSZ, X-rays, and optical. With this trained model I have generated a full-sky map of low noise SZ signal, in which I have detected about 10 times more candidates than the first Planck catalogue of SZ sources. I have shown that deep learning seems a promising approach to improve the y-map and detect smaller pressure halos and diffuse gas in the cosmic web.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : PARIS-PSL (Paris). Observatoire de Paris : Thèses électroniques.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.