Etude du couplage vent solaire / magnétosphère par des méthodes de machine-learning

Solar wind / magnetosphere coupling inferred from machine-learning methods

• Auteur / Autrice : Gautier Nguyen
• Direction : Dominique Fontaine, Nicolas Aunai
• Type : Thèse de doctorat
• Discipline(s) : Astronomie et Astrophysique
• Date : Soutenance le 01/02/2021
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Astronomie et astrophysique d'Île-de-France (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Physique des Plasmas (Palaiseau ; 1975-....)
• Partenaire(s) de recherche : Référent : Université Paris-Saclay. Faculté des sciences d’Orsay (Essonne ; 2020-....)
• Jury : Président / Présidente : Karine Bocchialini
• Jury : Examinateurs / Examinatrices : Philippe Louarn, Zdeněk Němeček, Vincent Génot, Jonathan Eastwood
• Jury : Rapporteurs / Rapporteuses : Philippe Louarn, Zdeněk Němeček
• DOI : 10.70675/6bd46f10z9861z44f3z82bfz3fea6c7511ed

Mots clés

Mots clés contrôlés

Apprentissage machine supervisé

Magnétopause

Magnétosphère

Vents solaires

Mots clés libres

Magnétosphère

Vent solaire

Magnétopause

Machine learning

Magnetosphere

Solar wind

Magnetopause

Machine learning

Résumé

Les décennies d'accumulation de données provenant de missions explorant le vent solaire ainsi que l'environnement terrestre proche permettent l'étude de la relation Soleil-Terre de manière statistique. Ces études sont toutefois limitées par la sélection manuelle des événements d'intérêt dans les données qui reste une tâche fastidieuse, subjective et difficilement reproductible.En nous appuyant sur des outils d'apprentissage statistique, nous mettons au point des méthodes de détection automatique d'événements à partir de mesures de données in-situ. Qu'il s'agisse de détecter les éjections de masse coronale interplanétaires, de classifier les régions de l'environnement terrestre proche ou de détecter les jets de plasma issus de la reconnexion magnétique à la magnétopause, nos méthodes font moins d'erreurs que celles basées sur des seuils empiriques généralement utilisées pour sélectionner des événements. Elles sont de plus adaptables d'une mission à une autre pourvu que la nature des régions traversées par les sondes soient similaires. Nous montrons toutefois que l’interpretation des données par ces méthodes sont limitées par notre propre interprétation physique des données et des evenements qu’elles mesurent.Ces méthodes ouvrent la porte aux études statistiques d'événements mesurés in-situ à grand nombre d'échantillons.La classification des différentes régions de l'environnement terrestre proche nous permet par exemple d’étudier statistiquement la position et la forme adoptée par la magnétopause en s'appuyant sur les données de missions d'orbites equatoriales (THEMIS, MMS, Double Star), polaires (Cluster) et lunaires (ARTEMIS). En plus de confirmer l'influence saisonale, le rôle joué par la pression dynamique, et l'asymétrie azimutale, nous montrons que l'orientation azimuthale du champ magnétique interplanétaire modifie la forme de la magnétopause par le biais de la reconnexion magnétique et discutons de la nature de cette frontière au niveau des cornets polaires.L'étude résulte en la production d'un modèle analytique de la position de la magnétopause offrant une description plus précise de cette frontière du côté nuit de la magnétosphère terrestre.

Decades of in-situ data measurement by missions focused on the study of the solar wind and its relation with the near-Earth environment allowed the study of the Sun-Earth coupling from a statistical point of view. Nevertheless, these studies are limited by the manual selection of the events of interest in the data that is still a subjective, fastidious and hardly reproducible task.Using machine learning algorithms, we elaborate automatic detection methods of events from in-situ data measurement. Whether they are applied to the detection of interplanetary coronal mass ejections, to the classification of the near-Earth regions or to the identification of magnetopause magnetic reconnection jets, the developed methods are more accurate than those based on manual, empirical thresholds. They are also adaptable from a mission to another provided the regions visited by the spacecraft are of the same nature. We show that the interpretation of the data by these methods is limited by the vision we have on the data and the events they measure.These methods pave the way for statistical studies of in-situ measured events with an important number of samples. Thereby, we use the classification of the different regions of the near-Earth environment to statistically study the position and shape of the magnetopause using the data of missions with equatorial (THEMIS, MMS, Double Star), polar (Cluster) and lunar (ARTEMIS) orbits. In addition to confirming the seasonal dependence, the azimuthal asymmetry and the influence of the solar wind dynamic pressure, we show that the clock angle of the interplanetary magnetic field modifies the shape of the magnetopause through the process of magnetic reconnection and lead a discussion on the nature of this boundary around the polar cusps. We combine the results of the study into an analytical model of the magnetopause position and shape that offers a more precise description of this boundary on the night side of the Earth magnetosphere.