Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : CRIStAL – UMR9189
Durée : 3 years
Contact : jenny.sorce@univ-lille.fr
Date limite de publication : 2024-01-06

Contexte :
English below

—————————————————————————–

Ce projet de thèse interdisciplinaire entre science des données et cosmologie s’inscrit dans le cadre d’une collaboration entre l’équipe SigMA du laboratoire CRIStAL (Lille) et l’équipe GEPI de l’observatoire de Paris.

L’équipe encadrante est constituée de Pierre Chainais (http://pierrechainais.ec-lille.fr/) et Jenny Sorce (https://jennygsorce.appspot.com/) (CRIStAL/SigMA) d’une part, et de Mathieu Puech (https://mathieu-puech.jimdosite.com/) et Hector Flores (Obs. de Paris / GEPI) d’autre part.

La thèse sera hébergée au laboratoire CRIStAL (Lille) dans l’équipe SigMA (https://www.cristal.univ-lille.fr/equipes/sigma/). L’équipe SigMA est reconnue pour son expertise en problèmes inverses et leurs applications en astrophysique au sens large. La présence, au sein de l’équipe, de Jenny Sorce, cosmologiste, assure un environnement interdiscplinaire quotidien. Des séjours à l’observatoire de Paris sont prévus.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l’autorité compétente du MESR.

—————————————————————————–

This interdisciplinary thesis project between data science and cosmology is part of a collaboration between the SigMA team at the CRIStAL laboratory (Lille) and the GEPI team at Paris Observatory.

The supervisory team is made up of Pierre Chainais and Jenny Sorce (CRIStAL/SigMA) on the one hand, and Mathieu Puech and Hector Flores (Obs. de Paris / GEPI) on the other.

The thesis will be hosted at the CRIStAL laboratory (Lille) in the SigMA team (https://www.cristal.univ-lille.fr/equipes/sigma/). The SigMA team is recognized for its expertise in inverse problems and their applications to astrophysics in the broadest sense. The presence on the team of Jenny Sorce, cosmologist, ensures a daily interdisciplinary environment. Visits to the Paris Observatory are planned.

The position is located in a sector under the protection of scientific and technical potential (PPST), and therefore requires, in accordance with the regulations, that your arrival is authorized by the competent authority of the MESR.

Sujet :
English below
—————————————————————————–

Résumé en français (voir sujet détaillé ci-dessous) :

Le modèle cosmologique standard postule que matière noire et énergie sombre constituent ~95 % de l’Univers. Des analyses de relevés de galaxies révèlent des contradictions entre observations et modèle. L’inférence des paramètres cosmologiques à partir des propriétés de galaxies résulte d’une chaîne de traitement complexe impliquant observations et théories astrophysiques, sciences du numérique et des données. Le débat consiste à déterminer si ces tensions proviennent d’une nouvelle physique ou d’approximations entraînant des biais systématiques. Ce projet vise à perfectionner la chaîne d’inférence en utilisant les simulations CLONES, fournies par CRIStAL, comme vérité-terrain, les images multi-longueurs d’onde et les spectres de galaxies de l’équipe GEPI, et les dernières avancées en termes d’inférence Bayésienne et d’apprentissage automatique de l’équipe CRIStAL/SigMA. En inférant sans biais, grâce aux sondages de l’univers, son taux d’expansion, ce projet pourrait résoudre le paradoxe apparent du décalage entre valeurs théorique et inférée de ce taux.

Mots clefs : Problèmes inverses – Inférence Bayésienne – Apprentissage automatique – Galaxies – Cosmologie

Lien vers l’annonce complète : https://emploi.cnrs.fr/Offres/Doctorant/UMR9189-JENSOR-001/Default.aspx

—————————————————————————–

English summary (see detailed project below):

The standard cosmological model postulates that dark matter and dark energy make up ~95% of the Universe. Several analyses of galaxy surveys reveal contradictions between the observations and this model. The inference of cosmological parameters from galaxy properties is the result of a complex pipeline involving astrophysical observations and theories, numerical and data sciences. The debate is to determine whether these tensions arise from new physics or from approximations leading to systematic biases. This project aims to perfect the inference pipeline using CLONES simulations provided by CRIStAL as ground truth, multi-wavelength images and galaxy spectra from the GEPI team, and the latest advances in Bayesian inference and machine learning from the CRIStAL/SigMA team. By unbiasedly inferring the Universe expansion rate from surveys, this project could resolve the apparent paradox of the discrepancy between theoretical and inferred values of this rate.

Keywords: Inverse problems – Bayesian inference – Machine learning – Galaxies – Cosmology

Link to full ad: https://emploi.cnrs.fr/Offres/Doctorant/UMR9189-JENSOR-001/Default.aspx

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
UMR CRIStAL
Université de Lille – Campus scientifique
Bâtiment ESPRIT
Avenue Henri Poincaré
59655 Villeneuve d’Ascq