Étude statistique des structures non gaussiennes du milieu interstellaire turbulent à partir des données observationnelles

Statistical study of the non-Gaussian structures of the turbulent interstellar medium in a low observational data regime

• Auteur / Autrice : Pablo Richard
• Direction : François Levrier
• Type : Projet de thèse
• Discipline(s) : Astronomie et Astrophysique
• Date : Inscription en doctorat le 01/09/2021
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Astronomie et astrophysique d'Île-de-France (Meudon, Hauts-de-Seine ; 1992-....)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Ecole normale supérieure

Mots clés

Mots clés libres

Milieu interstellaire

Turbulence

Nuages moléculaires

Structures non gaussiennes

Géométrie de l'information

Interstellar medium

Turbulence

Molecular clouds

Non-Gaussian structures

Information geometry

Résumé

La physique du milieu interstellaire (MIS) se situe à la croisée de grandes questions scientifiques, portant sur la formation des étoiles, l'évolution des galaxies, et la cosmologie. Pour répondre à ces questions, la recherche s'appuie essentiellement sur les observations multi-longueurs d'onde et les simulations numériques lourdes, seules à même de modéliser la diversité, la complexité et les interactions non-linéaires entre les processus physiques mis en jeu. Pour tirer le meilleur parti de ces deux approches, la clé de nos avancées futures réside dans la confrontation statistique quantitative de leurs produits. Du fait du caractère hautement non-linéaire des interactions entre processus, les structures qu'on voit émerger, tant dans les observations que dans les simulations, exhibent des propriétés fortement non-gaussiennes, qui recèlent pourtant une régularité géométrique statistique certaine. Pour l'analyser, une métrique efficace entre observations et simulations se doit d'inclure des diagnostics statistiques non-triviaux, quantifiant notamment le couplage entre échelles orientées. La thèse proposée est motivée par la recherche d'une telle métrique, fondée sur un ensemble de méthodes dites de « Scattering Transforms » (ST) qui s'apparentent à des réseaux de neurones convolutionnels mais se dispensent d'apprentissage. La thèse vise, au-delà, à fournir des outils de comparaison adaptés aux structures complexes apparaissant dans bien d'autres domaines de la physique et des sciences naturelles.

The physics of the interstellar medium (ISM) stands at the crossroads of many astrophysical questions, about star formation, galaxy evolution, or cosmology. To tackle these questions, research leans on multi-wavelength observations and heavy numerical simulations, to understand the non-linear interaction of complex physical processes at play. Future advances must rely on a statistical, quantitative comparison between observations and simulations, whose results display complex, non-Gaussian structures arising from this non-linear interplay. To analyze these structures, an efficient metric must include non-trivial statistical diagnostics, that quantify the coupling between oriented scales. The proposed PhD work is motivated by the search for such a metric, based on an ensemble of tools called « Scattering Transforms » (ST), that are akin to convolutional neural networks, but without any training stage. The comparison tools that will come out of this PhD work will be usable in many other areas of physics and the natural sciences.