L'aube cosmique: simulation numérique et apprentissage machine pour interpréter le signal 21-cm.

Exploring the Cosmic Dawn : Bayesian inference with hydro-radiative numerical simulations of the 21-cm signal

• Auteur / Autrice : Romain Meriot
• Direction : Benoît Semelin
• Type : Projet de thèse
• Discipline(s) : Astronomie et Astrophysique
• Date : Inscription en doctorat le 01/10/2021
• 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 : Laboratoire : Laboratoire d’étude du rayonnement et de la matière en astrophysique et atmosphères (Paris ; 2002-2024)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Observatoire de Paris (1667-....)

Mots clés

Mots clés libres

Cosmologie

Apprentissage machine

Simulation Numérique

Réionisation

Cosmology

Machine Learning

Numerical Simulation

Reionization

Résumé

Ce projet de thèse vise à améliorer la modélisation de l'Aube cosmique, une période de l'histoire de l'univers qui correspond à la naissance des toutes premières galaxies, et à développer de nouvelles méthodes pour réaliser l'inférence des paramètres des modèles à partir de données observées. Le signal à partir duquel les contraintes sur les paramètres du modèle seront déduites est la raie à 21-cm émise par l'hydrogène neutre dans le milieu intergalactique. Il est actuellement observé à travers un programme clé sur le radio-interféromètre NenuFAR et le sera, dans la prochaine décennie, avec le Square Kilometer Array. Un accent particulier sera mis sur l'utilisation de simulations numériques complètes pour effectuer la modélisation et sur la construction d'un échantillon d'apprentissage pour les méthodes d'inférence basées sur l'apprentissage automatique (par exemple les réseaux de neurones bayésiens).

This PhD project aims at improving the modelling of the Cosmic Dawn, a period in the history of the universe that corresponds to the birth of the very first galaxies, and at developing novel methods for performing the inference of model parameters from observed data. The data from which the constraints on the model parameters will be inferred is the redshifted 21-cm line emitted by the neutral hydrogen in the intergalactic medium. It is currently being observed through a Key Program on the radio-interferometer NenuFAR and will be observed, in the coming decade, with the upcoming Square Kilometer Array. A particular emphasis will be on using full numerical simulations to do the modelling and on building a training sample for inference methods based on machine learning (for example Bayesian Neural Networks).