Méthodes d'échantillonnage pour l'inférence statistique de problèmes inverses non linéaires : distribution spatiale des propriétés physico-chimiques du milieu interstellaire
Auteur / Autrice : | Pierre Palud |
Direction : | Pierre Chainais, Franck Le Petit |
Type : | Projet de thèse |
Discipline(s) : | Traitement du signal et des images |
Date : | Inscription en doctorat le 16/11/2020 |
Etablissement(s) : | Centrale Lille Institut |
Ecole(s) doctorale(s) : | MADIS Mathématiques, sciences du numérique et de leurs interactions |
Partenaire(s) de recherche : | Laboratoire : CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille |
Mots clés
Résumé
Les nouveaux détecteurs millimétriques en astrophysique fournissent des masses de données qu'il n'est plus possible d'analyser avec les méthodes classiques. De plus, les modèles numériques utilisés pour interpréter ces observations produisent eux-mêmes de grands volumes de données, hétérogènes et en grande dimension. L'interprétation des observations de régions de formation stellaire avec les modèles de référence ne peut se faire qu'en inventant de nouvelles méthodes de traitement statistique du signal et de machine learning. Ce projet vise à résoudre des problèmes inverses sur des milliers de pixels et parfois peu contraints. Il s'appuie sur un Large Program du TGIR IRAM, Orion-B. Les méthodes seront publiques via l'un des services nationaux d'observations de l'INSU.