Application de la Synthèse de Population Stellaire à l'estimation des redshifts photométriques de galaxies dans Rubin-LSST

Applying Stellar Population Synthesis to galaxies' photometric redshifts estimation for Rubin-LSST

• Auteur / Autrice : Joseph Chevalier
• Direction : Sylvie Dagoret-Campagne, Marc Moniez
• Type : Thèse de doctorat
• Discipline(s) : Science des Astroparticules et Cosmologie
• Date : Soutenance le 21/11/2025
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Particules, hadrons, énergie et noyau : instrumentation, imagerie, cosmos et simulation (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de physique des deux infinis Irène Joliot-Curie (Orsay ; 2020-....)
• Partenaire(s) de recherche : Référent : Faculté des sciences d'Orsay
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Physique (2020-....)
• Jury : Président / Présidente : Johann Cohen-Tanugi
• Jury : Examinateurs / Examinatrices : Olivier Ilbert, Benjamin Racine, Hervé Dole, Céline Combet
• Jury : Rapporteurs / Rapporteuses : Olivier Ilbert, Benjamin Racine
• DOI : 10.70675/2580c65cz56caz4f2ezb6baz4bef4cd287c2

Mots clés

Mots clés contrôlés

Décalage vers le rouge

Galaxies -- Catalogues

Galaxies -- Évolution

Photométrie astronomique

Galaxies

Cosmologie

Mots clés libres

Décalage vers le rouge

LSST

Synthèse de Population Stellaire

Relevés photométriques

Galaxies

Cosmologie

Redshift

LSST

Stellar Population Synthesis

Photometric surveys

Galaxies

Cosmology

Résumé

Le modèle standard de la cosmologie décrit avec succès, depuis les années 1930, l'Univers comme étant homogène, isotrope et en expansion. À la toute fin du 20ème siècle, l'observation de Supernovas de type Ia a démontré que cette expansion était accélérée sans toutefois identifier la cause de cette accélération. Depuis lors, les astronomes et cosmologistes sondent le cosmos à la recherche de cette ''Énergie Sombre''. L'une des méthodes pour y parvenir consiste à cartographier la structure à grande échelle de l'Univers en trois dimensions, en utilisant le décalage vers le rouge (redshift) des objets, dû à l'expansion de l'Univers, comme mesure de la distance. La caractérisation précise de l'énergie sombre requiert des relevés de galaxies larges (recouvrant une zone étendue du ciel) et profonds (détectant des objets très peu brillants). Dans ce cadre ont eu lieu la construction de l'Observatoire Vera C. Rubin au Cerro Pachón (Chili) et sa mise en service en 2025 pour démarrer le Legacy Survey of Space and Time (LSST).Ce relevé photométrique est en mesure de couvrir l'intégralité du ciel de l'hémisphère sud (18000 deg²) en 3 nuits d'observations, dans six bandes photométriques allant du proche ultra-violet au proche infra-rouge, pendant 10 ans.Il doit fournir aux cosmologistes un échantillon d'une taille inégalée de plusieurs milliards de galaxies jusqu'à une magnitude 25.3 dans la bande i (700 à 800 nm) pour l'échantillon ''Gold'' et jusqu'à 27.5 dans la bande r (550 à 680 nm) dans l'ensemble. Afin d'estimer le redshift des galaxies dans LSST sans avoir recours à la spectroscopie, incompatible avec l'échelle de ce relevé, les scientifiques s'appuient sur des méthodes photométriques. Le travail effectué lors de cette thèse s'intéresse à ces méthodes et explore des pistes d'amélioration. Pour cela, nous nous basons sur des données spectroscopiques issues de trois expériences : FORS2 au VLT, GOGREEN (Observatoire Gemini) et DESI (Observatoire National de Kitt Peak). Ces données ont été traitées afin d'y associer la photométrie, de l'UV à l'IR, des galaxies observées, et d'en extraire l'intensité des lignes d'émission présentes dans les spectres. Nous avons ensuite utilisé ces informations pour ajuster un modèle de population stellaire à chaque galaxie grâce au code DSPS. Puis, nous avons conçu un code d'estimation du redshift photométrique, SHIRE, qui utilise les spectres retenus comme références auxquelles comparer les observations de LSST. Cela nous permet d'inclure, dans l'estimation du redshift, l'évolution des galaxies de référence selon le modèle d'évolution de la population stellaire associé à chacune. Ce code est conçu pour fonctionner dans l'écosystème LSST et est particulièrement adapté aux grands volumes de données grâce à son optimisation pour fonctionner sur des GPU. Nous utilisons ce code sur trois échantillons : une simulation des données LSST, les observations COSMOS2020 et les toutes premières données réelles obtenues à l'Observatoire Rubin lors de la préparation à sa mise en service. Un code de référence, BPZ, est utilisé comme référence. Nous montrons dans ce travail, à travers plusieurs exemples, que l'utilisation de la synthèse de population stellaire offre des perspectives d'amélioration de l'estimation du redshift mais que d'autres facteurs, comme l'addition de photométrie dans l'infra-rouge, sont bien plus déterminants. Enfin, nous discutons des perspectives d'amélioration de la méthode, notamment en vue de l'étendre à l'estimation d'autres grandeurs caractéristiques des galaxies observées.

The standard model of cosmology has successfully described, since the 1930s, the Universe as homogeneous, isotropic, and expanding. At the very end of the 20th century, observations of Type Ia supernovae demonstrated that this expansion is accelerating, although the cause of this acceleration remains unidentified. Since then, astronomers and cosmologists have been probing the cosmos in search of this so-called Dark Energy. One method to achieve this involves mapping the large scale structure of the Universe in three dimensions using the redshift of objects - caused by the Universe's expansion - as a measure of distance. Accurate characterization of dark energy requires galaxy surveys that are both wide (covering a large area of the sky) and deep (detecting very faint objects). In this context, the Vera C. Rubin Observatory was built at Cerro Pachón (Chile) and commissioned in 2025 to begin the Legacy Survey of Space and Time (LSST). This photometric survey is capable of covering the entire sky of the southern hemisphere (18000 deg²) in just three nights of observations, across six photometric bands ranging from near-ultraviolet to near-infrared, over a period of ten years. It is expected to provide cosmologists with an unprecedented sample of several billion galaxies down to a magnitude of 25.3 in the i-band (700 to 800 nm) for the ''Gold'' sample and up to 27.5 in r-band (550 to 680 nm) in total. To estimate the redshift of galaxies in LSST without relying on spectroscopy, which is incompatible with the scale of this survey, scientists use photometric methods. This thesis focuses on these methods and explores improvement prospects. To do so, we rely on spectroscopic data from three experiments: FORS2 at the VLT, GOGREEN (Gemini Observatory), and DESI (Kitt Peak National Observatory). These data were processed to associate photometry, from UV to IR, with the observed galaxies' spectra and to extract the intensity of emission lines present in the latter.We then used this information to fit a stellar population model and star formation history to each galaxy using the DSPS code. Next, we developed a photometric redshift estimation code, SHIRE, which uses the selected spectra as references to compare with LSST observations. This allows us to incorporate, into the redshift estimation, the evolution of reference galaxies according to the stellar population evolution model associated with each. This code is designed to operate within the LSST ecosystem and is particularly suited to large data volumes, thanks to its optimisation for GPU processing. We apply this code to three samples: a simulation of LSST data, COSMOS2020 observations, and the very first real data obtained at the Rubin Observatory during its commissioning phase. A reference code, BPZ, is used for comparison. Through several examples, we identify possible improvements in redshift estimation thanks to the use stellar population synthesis, although other factors, such as adding infrared photometry, are significantly more decisive. Finally, we discuss how to make the method better, particularly with a view to extending it to estimate other characteristic properties of the observed galaxies.