Démêlage des populations astrophysiques de signaux d'ondes gravitationnelles et caractérisation de leurs propriétés avec LISA

Disentangling astrophysical populations of GW signals and characterizing their properties with LISA

• Auteur / Autrice : Senwen Deng
• Direction : Stanislav Babak
• Type : Thèse de doctorat
• Discipline(s) : Physique de l'univers
• Date : Soutenance le 01/12/2025
• Etablissement(s) : Université Paris Cité
• Ecole(s) doctorale(s) : École doctorale Sciences de la terre et de l'environnement et physique de l'univers (Paris ; 2014-....)
• Partenaire(s) de recherche : Laboratoire : AstroParticule et Cosmologie (Paris ; 2005-....)
• Jury : Président / Présidente : Frédérique Marion
• Jury : Examinateurs / Examinatrices : Hubert Halloin, Astrid Lamberts-Marcade
• Jury : Rapporteurs / Rapporteuses : Frédérique Marion, Alberto Sesana
• DOI : 10.70675/d89eca9bz75e2z426dzb76bz5c8f7961e966

Mots clés

Mots clés contrôlés

Ondes gravitationnelles

LISA Pathfinder (satellite artificiel)

Trous noirs (astronomie)

Naines blanches

Analyse des données

Traitement du signal

Astrophysique

Mots clés libres

Ondes gravitationnelles

Lisa

Binaires de trous noirs massifs

Binaires de naines blanches

Analyse de données

Traitement du signal

Astrophysique

Gravitational waves

Lisa

Massive black hole binaries

White dwarf binaries

Data analysis

Signal processing

Astrophysics

Résumé

La mission Laser Interferometer Space Antenna (LISA) permettra de détecter les ondes gravitationnelles (GW) dans la bande des millihertz, ouvrant une nouvelle fenêtre GW d'observation sur l'Univers. Son flux de données devrait être dominé par des signaux se chevauchant, émis par diverses sources astrophysiques, notamment des binaires de trous noirs massifs (MBHB) en coalescence, des binaires de naines blanches galactiques (GB), des binaires de trous noirs stellaires et des inspirales à rapport de masse extrême (EMRI). Les MBHBs seront les sources les plus brillantes, durant de quelques heures à quelques semaines, avec un rapport signal sur bruit (SNR) principalement accumulé peu avant la fusion. Les GBs, plus nombreuses, seront en grande partie non résolues individuellement, formant un bruit dominant le bruit instrumental dans la bande de LISA. La superposition de ces sources, combinée aux artefacts instrumentaux, rend la séparation des signaux et la caractérisation des sources particulièrement complexes. Cette thèse apporte trois contributions principales. Premièrement, nous introduisons une méthode e¿icace pour détecter précocement les signaux MBHB pré-fusion et prédire avec précision l'instant de leur coalescence, afin d'optimiser le fonctionnement du détecteur et d'en maximiser le rendement scientifique. Cette méthode, validée sur le jeu de données simulé Sangria (nom de code du LISA Data Challenge 2a), permet de détecter les signaux MBHB jusqu'à plusieurs semaines avant la fusion pour les binaires les plus brillantes et les moins massives, tout en prédisant fidèlement leur coalescence. Deuxièmement, nous proposons un cadre probabiliste pour quantifier le risque de contamination des données par des artefacts instrumentaux ou environnementaux (tels que interruptions ou glitches), en contraignant leur fréquence et donc les exigences de conception et d'exploitation de l'instrumentation. Ce cadre évalue aussi la probabilité de chevauchements temporels entre signaux transitoires, qui nécessiteraient un traitement sophistiqué. Nous l'illustrons à l'aide d'artefacts inspirés des données de LISA Pathfinder. Troisièmement, nous développons un prototype de pipeline d'ajustement global pour détecter, séparer et estimer les paramètres des sources GW, même en cas de chevauchement temporel et/ou fréquentiel. Nous commençons par la détection et la reconstruction des signaux MBHB dominants, puis nous utilisons un cadre itératif d'échantillonnage de Gibbs structuré en modules, chacun dédié à un type de source et coordonné avec les autres. Testé sur Sangria, le pipeline démontre sa capacité à traiter des données complexes contenant des signaux se chevauchant fortement. Ces travaux s'inscrivent dans l'effort collectif de la communauté scientifique pour préparer la mission LISA.

The Laser Interferometer Space Antenna (LISA) will enable the detection of gravitational waves (GWs) in the millihertz frequency band, opening a new GW window onto the Universe. The LISA data stream is expected to be dominated by overlapping signals from a variety of astrophysical sources, in particular merging massive black hole binaries (MBHBs), Galactic white dwarf binaries (GBs), stellar-mass black hole binaries, and extreme massratio inspirals (EMRIs). MBHBs are expected to be the loudest sources, lasting from a few hours to a few weeks, with most of their signal-to-noise ratio (SNR) accumulated shortly before merger. GBs will be the most numerous sources, most of which cannot be individually resolved and instead form a foreground (GW noise standing above the instrumental noise). The simultaneous presence of all these sources, combined with instrumental artefacts, poses significant challenges for signal separation and source characterization. In this thesis, we address these challenges through three main contributions. First, we introduce an e¿icient method for the early detection of pre-merger MBHB signals and accurate prediction of their merger times, which is essential for optimizing detector operation and maximizing scientific return. The method is validated on the LISA Data Challenge 2a simulated dataset Sangria, demonstrating its ability to detect MBHB signals even weeks before merger for the brighter and less massive binaries, while faithfully predicting their merger times. Second, we propose a probabilistic framework to quantify the risk of data contamination by instrumental or environmental artefacts (such as gaps and glitches), providing constraints on the occurrence rate of such artefacts and, consequently, requirements for the design and operation of LISA instrumentation. This framework also assesses the probability that transient GW signals overlap in time, which would necessitate sophisticated treatment in data analysis. We illustrate the framework using realistic artefacts inspired by the LISA Pathfinder data. Third, we develop a prototype global-fit pipeline that enables the detection, separation, and parameter estimation of GW sources in LISA data that overlap in time and/or frequency. We start with the detection and reconstruction of the loud MBHB signals. In the next step, we use an iterative, modular block Gibbs sampling framework, in which each type of source is addressed by a dedicated module working in coordination with the others. We test the pipeline on the Sangria simulated dataset, demonstrating its ability to analyse complex data with heavily overlapping signals. These contributions are part of the joint effort of the scientific community to prepare for the LISA mission.