Modéliser l’Époque de la Réionisation : intelligence artificielle et inférence des paramètres

Modeling the Epoch of Reionization : machine learning and parameter inference

• Auteur / Autrice : Aristide Doussot
• Direction : Benoît Semelin
• Type : Thèse de doctorat
• Discipline(s) : Astrophysique
• Date : Soutenance le 24/09/2021
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Astronomie et astrophysique d'Île-de-France (Meudon, Hauts-de-Seine ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d’étude du rayonnement et de la matière en astrophysique et atmosphères (Paris ; 2002-....)
• Jury : Président / Présidente : Benjamin Wandelt
• Jury : Examinateurs / Examinatrices : Fabienne Casoli, Karl Joakim Rosdahl
• Jury : Rapporteur / Rapporteuse : Jonathan K. Pritchard, Anastasia Fialkov

Mots clés

Mots clés contrôlés

Rayonnements ionisants

Formation des galaxies

Modèles mathématiques

Ionisation

Mots clés libres

Cosmologie

Aube cosmique

Simulations numériques

Apprentissage machine

Réseaux de neurones

Signal 21-cm

Cosmology

Cosmic dawn

Simulation

Machine learning

Neural networks

21-cm signal

Résumé

L’Époque de la Réionisation (EOR) est une période clé dans l’histoire de notre Univers. Le développement des premières structures et l’ionisation du milieu intergalactique sont des processus complexes et difficilement observables par les télescopes actuels. Développer et améliorer les méthodes de prédiction des paramètres astrophysiques de notre modèle d’Univers en se basant sur ces rares observations est donc crucial. Dans ce travail, j’ai développé une méthode se basant sur le spectre de puissance du signal 21cm non-bruité dont l’erreur de prédiction des paramètres astrophysiques est inférieure à 1 %. Pour un signal bruité, après avoir discuté de la façon de prédire ces mêmes paramètres, j’ai obtenu une erreur de prédiction d’environ 1 %. En analysant la simulation numérique HIRRAH-21, j’ai aussi montré que la dispersion entre la luminosité des halos et la taille des bulles d’ionisations dépend de la fraction d’échappement et du « clumping factor ». Enfin, j’ai développé un nouveau modèle analytique liant la distribution des tailles de bulles d’ionisation (BSD) et la relation physique entre le volume de ces bulles et la masses de leurs halos M(V). Ce modèle, adaptable pour divers contextes théoriques, peut, en partant d’une BSD donnée, inférer une relation M(V) en accord proche avec celle de la simulation jusqu’à des fractions d’ionisation de 25 % en traitant la percolation.

The Epoch of Reionization (EoR) is a key period in the history of our Universe. The growth of the first structures and the overall phase transition toward an ionized intergalactic medium are complex processes that need to be better understood. However, observations of the EoR are difficult to obtain. It is thus especially relevant to develop and improve ways of inferring the astrophysical parameters of our model of Universe, based on these observations. In this work, I achieve a parameter reconstruction error of less than 1% from an unaltered 21cm power spectrum. I then tackle on the problem of accurately predicting the maximum-likelihood values when considering noised signal. For noised input, the lowest reconstruction error is around 1%. Then, by analyzing the numerical simulation HIRRAH-21, I deduce that the dispersion in the relation between the bubbles volume and their halos luminosity depends on the clumping factor and the escape fraction. Finally, I develop a new analytical model linking the bubble size distribution to the physical relation between ionized bubble volumes and their collapsed mass content M(V). This model was designed to be adaptable to many theoretical contexts. Given a bubble size distribution the M(V) relation infer red using the model, with percolation, is in good agreement with value of the simulation for global ionization fraction below 25%.