Auto-optimisation de l'optique adaptative et caractérisation de systèmes exoplanétaires

par Nour Skaf

Projet de thèse en Astronomie et Astrophysique

Sous la direction de Anthony Boccaletti et de Olivier Guyon.


  • Résumé

    La croissance rapide du recensement des exoplanètes (maintenant plus de 4000) montre qu'une grande partie des 250 milliards d'étoiles de notre galaxie héberge des planètes rocheuses tempérées. Possèdent-elles des atmosphères contenant de l'oxygène? De l'eau et des océans? la vie a-t-elle émergé et évolué? quelle biochimie? Pour répondre à ces questions, nous devons observer les planètes les plus proches, potentiellement habitables afin d'étudier leurs atmosphères et, à plus long terme, leurs surfaces. Les futurs grands télescopes, comme l'ELT de 39 m, auront la résolution et la surface collectrice requises, mais devront surmonter les défauts de phase et d'amplitude induits par l'atmosphère terrestre et les optiques du télescope et de l'instrument. Notre projet s'attaquera directement à ce problème en développant et en testant des techniques de contrôle d'optique adaptative pour compenser ces défauts, en particulier les aberrations optiques propres a l'instrument - les NCPA (Non Common Path Aberrations). Nous allons développer un algorithme basé sur de l'apprentissage par renforcement pour améliorer le contraste et la qualité des images. Dr WHO - Direct Reinforcement Heuristic Wavefront Optimisation - sera d'abord développé sur l'outil de simulation Compass avant d'être déployée sur l'instrument SCExAO, la plateforme de prototypage d'imagerie d'exoplanètes du télescope Subaru. Le travail instrumental s'inscrit dans une perspective à moyen terme. Sur le court terme nous mènerons un projet astrophysique qui utilisera des données haut contraste obtenues d'une part avec l'instrument VISIR en IR moyen et avec SPHERE en IR proche du système beta Pictoris. Il s'agira de caractériser l'atmosphère de la planète de beta Pic b à partir du spectre mesuré, mais également de caractériser la morphologie du disque de poussières dont la dynamique est influencée par la présence de la planète géante. Nous prévoyons également d'étudier la pertinence des outils de deep learning pour la réduction des données. La troisième partie du sujet consistera à faire le lien entre les deux premières parties en observant des systèmes exoplanétaires avec l'algorithme d'optique adaptative qui sera implémenté au Subaru.

  • Titre traduit

    Self-optimization of adaptive optics and characterization of exoplanetary systems


  • Résumé

    The rapidly growing exoplanet census (now over 4000) shows that a large fraction of our galaxy's 250 billion stars hosts temperate rocky planets. Do they hold oxygen-bearing atmospheres ? water oceans ? has life emerged and evolved ? what biochemistry ? To answer these questions, we must image the nearest potentially habitable planets to study their atmospheres and surfaces. Upcoming large telescope including Europe's 39-m ELT will have the required resolution and collecting area, but must overcome optical distortions due to our atmosphere. Our project will directly address this challenge by developing and testing high precision adaptive optics control techniques to compensate for atmospheric optical turbulence, and especially the aberration intrinsic to the instrument : the non-common path aberrations (NCPA). We will develop an algorithm based on reinforcement learning to boost image contrast and quality. Dr WHO - Direct Reinforcement Heuristic Wavefront Optimisation - will first be developed on the Compass simulation tool, before being deployed on the SCExAO instrument, the exoplanet imaging prototyping platform on the Subaru Telescope. The instrumental work falls into a medium-term perspective. On the short-term, we will carry an astrophysical project based on high contrast data acquired with the VISIR instrument in the mid infrared, and with SPHERE in the near infrared of the beta Pictoris system. The goal is to characterise the atmosphere of the planet beta Pic b, from the measured spectrum, as well as characterising the morphology of the dust disk whose dynamic is influenced by the presence of a giant planet. We project to study the relevance of deep learning tools for data reduction. The third part of the project will consist in making the link between the two first ones, by observing exoplanetary systems with the Dr WHO algorithm implemented on SCExAO - Subaru.