Ordonnancement optimisé des observations à haut contraste

Smart scheduling of (high contrast) observations

• Auteur / Autrice : Thomas Rahab lacroix
• Direction : Pierre Lemaire, Nadia Brauner
• Type : Projet de thèse
• Discipline(s) : Mathématiques et Informatique
• Date : Inscription en doctorat le 22/01/2024
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Sciences pour la conception, l'optimisation et la production (Grenoble, Isère, France ; 2006-....)

Mots clés

Mots clés libres

Conditions météorologiques

Exoplanètes

Incertitudes

Conditions atmosphériques

Observations astronomiques

Ordonnancement

Weather conditions

Scheduling

Atmospheric conditions

Exoplanets

Astronomical observation

Uncertainties

Résumé

Cette thèse s'inscrit dans le cadre du PEPR Origins, qui a pour but d'aider à percer les mystères des origines de la vie, et plus précisément son axe 5 portant sur les sciences de données pour la détection et la caractérisation d'exoplanètes. En effet, détecter et caractériser des exoplanètes est un élément clé pour comprendre comment les systèmes planétaires se forment et évoluent. Parmi les méthodes de détections, l'imagerie directe a plusieurs avantages, notamment la possibilité d'une caractérisation rapide mais aussi, grâce à de la spectroscopie, la possibilité d'étudier l'atmosphère et donc, à terme, de détecter des signatures de présence de vie. L'imagerie directe d'exoplanètes est, cependant, difficile : elle nécessite des équipements extrêmement performants capables de fournir un très haut contraste, mais cela n'est pas suffisant. En effet, la qualité de l'image dépend fortement des conditions d'observations : actuellement une portion non négligeable des observations est ainsi inexploitable. Il est donc de la plus haute importance d'utiliser au mieux le temps d'observation alloué et il est donc nécessaire d'ordonnancer précisément les observations en tenant compte des prédictions concernant les conditions d'observations, afin d'obtenir les meilleures images possibles. C'est le sujet de cette thèse. Dans le cadre d'une précédente campagne d'observations (SPHERE) a été développé un premier logiciel d'ordonnancement, SPOT. Ce dernier tient compte des paramètres astronomiques des cibles (fenêtres de visibilité, intérêt scientifique...). Il s'agit maintenant d'intégrer, en plus, les conditions d'observations aussi bien présentes (connues) que futures (prédites). Ces conditions d'observations ont deux impacts majeurs. D'une part, elles peuvent détériorer fortement la qualité d'une image et diminuer ainsi grandement l'intérêt scientifique exploitable. D'autre part, elles obligent à anticiper les conditions possibles futures afin de ne reporter une observation dont les bonnes conditions d'observation sont rares. Concernant la qualité des images, le projet SPHERE a permis d'accumuler de nombreuses données permettant de relier les conditions d'observations (en particulier conditions météorologiques et conditions atmosphériques), les caractéristiques de la cible (position, magnitude...) et la qualité d'image obtenue. Cette caractérisation de la qualité des images sera fournie comme donnée d'entrée pour l'ordonnancement. Elle sera établie par les astronomes mais, étant l'objet de recherches en cours, une collaboration avec les astronomes sera nécessaire (et est déjà organisée) pour s'assurer que les caractérisations proposées soient exploitables pour l'ordonnancement. Concernant la prédiction des conditions d'observation, on dispose de celles des services météorologiques dédiés, mais aussi d'un historique des conditions réelles d'observations de ces dernières années, ce qui permet une caractérisation à la fois à court terme et à moyen terme. L'enjeu de cette thèse est donc de contribuer au développement du premier outil d'ordonnancement d'observations à haut contraste en tenant compte des conditions et des prévisions météorologiques et atmosphériques. L'objectif scientifique est de formaliser, modéliser et proposer des algorithmes pour résoudre ce problème d'ordonnancement original mêlant deux aspects peu étudiés dans la littérature : en effet la qualité d'une tâche va dépendre de (1) l'intervalle d'ordonnancement (début, durée)~; et (2) de conditions exogènes (météo, atmosphère). Si le premier point a déjà fait l'objet de quelques travaux par l'équipe de recherche impliquée (Catusse et al. 2016; Fontan 2019), l'intégration du deuxième point est complètement nouvelle.

This thesis is part of the PEPR Origins, which aims to help unravel the mysteries of the origins of life, and more specifically its Axe 5 on data science for the detection and characterization of exoplanets. Indeed, detecting and characterizing exoplanets is key to understanding how planetary systems form and evolve. Among detection methods, direct imaging has a number of advantages: the possibility of rapid characterization, but also, thanks to spectroscopy, the possibility of studying the atmosphere and thus, ultimately, detecting signatures of the presence of life. Direct imaging of exoplanets is, however, difficult: it requires extremely high-performance equipment capable of delivering very high contrast -- but this is not enough. In fact, image quality is highly dependent on observation conditions: currently, a non-negligible proportion of observations are therefore unusable. It is thus of the utmost importance to make the best use of the allocated observation time, and it is therefore necessary to schedule observations precisely, taking into account forcasts concerning observation conditions, in order to obtain the best possible images. This is the subject of this thesis. As part of a previous observing campaign (SPHERE), an initial scheduling software package, SPOT, was developed. It takes into account the astronomical parameters of the targets (visibility windows, scientific interest, etc.). We now need to integrate both present (known) and future (forecast) observation conditions. These observation conditions have two major impacts. On the one hand, they can severely degrade image quality, thus greatly reducing the scientific interest that can be exploited. Secondly, they force us to anticipate possible future conditions, so as not to postpone an observation when good observation conditions are rare. With regard to image quality, the SPHERE project has accumulated data linking observation conditions (in particular weather and atmospheric conditions), target characteristics (position, magnitude, etc.) and the image quality obtained. This characterization of image quality will be provided as input data for scheduling. It will be established by astronomers but, as it is the subject of ongoing research, collaboration with astronomers will be necessary (and has already been organized) to ensure that the proposed characterizations are exploitable for scheduling. For the prediction of observation conditions, we have access not only to those of dedicated meteorological services, but also to a history of actual observation conditions over the last few years, enabling both short- and medium-term characterization. The aim of this thesis is therefore to contribute to the development of the first high-contrast observation scheduling tool, taking into account meteorological and atmospheric conditions and forecasts. The scientific objective is to formalize, model and propose algorithms to solve this original scheduling problem, which combines two aspects seldom studied in the literature: the quality of a task will depend on (1) the scheduling interval (start, duration)~; and (2) exogenous conditions (weather, atmosphere). While the first point has already been the subject of some work by the research team involved (Catusse et al. 2016; Fontan 2019), the integration of the second point is completely new. The expected results are above all an academic characterization, in terms of models and algorithms, of scheduling problems with tasks whose 'value' depends on positioning and exogenous conditions (other applications exist in energy management, agriculture, health...). However, the applicative aspect will never be lost, through effective collaboration with astronomers from LEISA and IPAG: the proposed algorithms are intended to be integrated into SPOT+, the future observation planning tool that will be used for future observation campaigns at ESO's Very Large Telescope.