Contraintes cosmologiques par analyse tomographique des données Euclid

Cosmological constraints by tomographic galaxy clustering with Euclid data

• Auteur / Autrice : Vincent Duret
• Direction : Stéphanie Escoffier
• Type : Projet de thèse
• Discipline(s) : PHYSIQUE & SCIENCES DE LA MATIERE - Spécialité : ASTROPHYSIQUE ET COSMOLOGIE
• Date : Inscription en doctorat le 01/11/2021
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École Doctorale Physique et Sciences de la Matière (Marseille)
• Partenaire(s) de recherche : Laboratoire : CPPM - Centre de Physique des Particules de Marseille

Mots clés

Mots clés libres

Cosmologie

Euclid

Galaxy Clustering

Tomographie

Energie sombre

Deep Learning

Cosmology

Euclid

Galaxy Clustering

Tomography

Dark Energy

Deep Learning

Résumé

Anticipée dès les années 1970 comme un effet du fonds diffus cosmologique (Peebles et al. 1970; Sunyaev et al. 1970), la position du pic des Oscillations Acoustiques Baryoniques peut être utilisée comme règle standard (Seo et al. 2003). En effet, les ondes de pression qui se sont propagées dans le plasma chaud de l'Univers primordial, puis qui se sont figées après la recombinaison, laissent une empreinte dans la matière à une échelle caractéristique de 100 h-1.Mpc. La mesure de cette échelle caractéristique à différents redshifts permet de contraindre l'histoire de l'évolution de l'Univers, et donc de fournir une mesure du paramètre du Hubble H(z) et de la distance de diamètre angulaire DA(z). Le sujet de la thèse consiste à mesurer l'échelle BAO à partir du catalogue photométrique d'Euclid qui regroupe près de 2 milliards de galaxies, et à comparer cette mesure avec celle issue du catalogue spectroscopique d'Euclid de 50 millions de galaxies. L'approche consistera en une analyse tomographique en tranches de redshift, réalisée en utilisant la fonction de corrélation angulaire w ou le spectre de puissance angulaire Cl. La première étape du travail de thèse consistera à calibrer les redshifts photométriques (photo-z) d'Euclid à partir de l'échantillon spectroscopique. Cette étape se fera dans un premier temps à partir de la simulation Flagship d'Euclid qui contient plus de 3 millions d'objets. Une approche par Machine learning sera envisagée. Puis il s'agira de développer les outils de clustering angulaire afin d'extraire le signal BAO à partir de l'échantillon photométrique, ainsi qu'à partir de l'échantillon spectroscopique par analyse tomographique. Cette analyse requiert d'optimiser la chaine de traitement afin de pouvoir traiter plus d'un millier de mocks pour le calcul des matrices de covariance. Les effets systématiques comme l'influence de la cosmologie fiducielle, les erreurs photo-z, les biais seront attentivement étudiés. La dernière étape sera d'appliquer toute la chaine d'analyse sur les données Y1 d'Euclid.

Anticipated in the 1970s as an effect of the Cosmic Microwave Background (Peebles et al. 1970; Sunyaev et al. 1970), the position of the baryon acoustic oscillations (BAO) peaks can be used as a standard ruler (Seo et al. 2003). Indeed, the sound waves which propagated in the hot plasma of the primordial Universe and then froze after recombination leave an imprint in matter at a characteristic scale of 100 h-1.Mpc. Measuring this characteristic scale at different redshifts allow us to constrain the Universe evolution history and so to obtain an estimation of the Hubble parameter H(z) and the angular diameter distance DA(z). The subject of the thesis consists in measuring the BAO scale from the Euclid photometric catalog which groups almost 2 billion galaxies, and in comparing this measure with the one obtained from the Euclid spectroscopic catalog of 50 millions of galaxies. The approach used will a tomographic analysis, with redshift slices, made with the angular cross-correlation w or the angular power spectrum Cl. The first step of the thesis work will consist in calibrating the photometric redshifts (photo-z) of Euclid from the spectroscopic sample. This step will be done first from the Euclid Flagship simulation which contains more than 3 million objects. A machine learning approach will be considered. Then the angular clustering tools will be developed in order to extract the clustering signal from the photometric samples. This analysis will require the optimization of the processing chain in order to be able to process more than a thousand mocks for the calculation of covariance matrices. Systematics like the influence of the fiducial cosmology, photo-z errors, biases will be carefully studied. The last step will be to apply the whole analysis chain to the Euclid Y1 data.