Extraction optimale des paramètres cosmologiques en préparation de la mission Euclid

Optimal inference of cosmological parameters in preparation of the Euclid survey

• Auteur / Autrice : Sylvain Gouyou Beauchamps
• Direction : Stéphanie Escoffier, William Gillard
• Type : Thèse de doctorat
• Discipline(s) : Astrophysique et Cosmologie
• Date : Soutenance le 15/12/2021
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : Ecole Doctorale Physique et Sciences de la Matière (Marseille)
• Partenaire(s) de recherche : Laboratoire : Centre de physique des particules de Marseille (CPPM)
• Jury : Président / Présidente : Christian Marinoni
• Jury : Examinateurs / Examinatrices : Benjamin Joachimi, Julien Lesgourgues, Sandrine Codis-Decara
• Jury : Rapporteurs / Rapporteuses : Martin Crocce, Stéphane Plaszczynski

Mots clés

Mots clés contrôlés

Neutrinos

Analyse de covariance

Structure à grande échelle (astronomie)

Cosmologie

Mots clés libres

Cosmologie

Structure à grande échelle

Neutrinos massifs

Paramètres cosmologiques

Covariance

Cosmology

Large scale structure

Massive neutrinos

Cosmological parameters

Covariance

Résumé

Grâce aux futurs grands relevés de galaxies, comme Euclid, les observables de la structure à grande échelle de l'univers pourront être mesurées avec une précision encore jamais atteinte. Cela devrait permettre de lever le voile sur les mystères de la cosmologie moderne, comme l'origine de l'expansion accélérée de l'univers et la valeur de la masse totale des neutrinos. Cependant, pour tirer profit de mesures aussi précises, il est impératif de contrôler et comprendre les erreurs systématiques liées aux différentes étapes des analyses statistiques qui sont mises en oeuvre pour extraire les paramètres cosmologiques des observables. En particulier, la modélisation théorique et la matrice de covariance de nos observables sont les principaux ingrédients de la fonction de vraisemblance, centrale dans l'estimation statistiques des paramètres cosmologiques. Une première partie de cette thèse se consacre à une étude des biais sur l'estimation des postérieurs des paramètres cosmologiques, obtenus avec le spectre de puissance de la matière. Je me concentre notamment sur les effets induits par: l'estimation de la matrice de covariance avec un nombre fini de simulations, la covariance non-gaussienne générée par l'évolution non-linéaire du champ de densité aux petites échelles et la modélisation théorique du spectre de puissance non-linéaire. La seconde étude présentée dans cette thèse vise à quantifier l'effet de la covariance non-gaussienne induites par les corrélations entre les modes internes et externes au relevé, appelée la covariance super-relevé (SSC). Dans cette partie j'étudie l'impact de la géométrie du relevé et de la SSC sur les futurs relevés photométriques.

Upcoming cosmological surveys such as Euclid, aim at providing measurements of cosmological observables coming from the Large Scale Structure of the universe with an unprecedented precision. This should help in uncovering the mysteries of modern cosmology, like the origin of the accelerated expansion of the universe and the value of the total neutrino mass. However, to take advantage of such precise measurements, we must control and understand the systematics linked to the different steps of the statistical analyses which are exploited to extract cosmological parameters from the observables. In particular, the theoretical modeling and the covariance matrix of our observables are the most important ingredient of the likelihood function, that is central in the statistical estimation of cosmological parameters. A first part of this thesis is dedicated to a study of the biases on the estimation of cosmological parameter posteriors, with the matter power spectrum. In particular, I focus on effects induced by: the estimation of the covariance matrix with a finite number of mocks, the non-Gaussian covariance arising from non-linear clustering on small scales and the theoretical modeling of the non-linear power spectrum. The second analysis presented in this thesis aims to quantify the effect of the non-Gaussian covariance coming from the correlations between modes inside and outside the survey, called the Super-Sample Covariance (SSC). In this part I study the impact of survey geometry and SSC for future photometric surveys.