Menu
Rechercher
Accueil > Thèses, Stages, Formation et Enseignement > Propositions de thèses 2024 > Implémentation et évaluation de techniques d’Intelligence Artificielle pour l’analyse temporelle des sources gamma de haute énergie avec H.E.S.S. et CTA - Implementation and Evaluation of Artificial Intelligence Techniques for the Temporal Analysis of High-Energy Gamma Sources with H.E.S.S. and CTA
Implémentation et évaluation de techniques d’Intelligence Artificielle pour l’analyse temporelle des sources gamma de haute énergie avec H.E.S.S. et CTA - Implementation and Evaluation of Artificial Intelligence Techniques for the Temporal Analysis of High-Energy Gamma Sources with H.E.S.S. and CTA
par Tristan Beau - 6 novembre 2023
Titre : Implémentation et évaluation de techniques d’Intelligence Artificielle pour l’analyse temporelle des sources gamma de haute énergie avec H.E.S.S. et CTA - Implementation and Evaluation of Artificial Intelligence Techniques for the Temporal Analysis of High-Energy Gamma Sources with H.E.S.S. and CTA
Directrice/directeur de thèse : Julien Bolmont
Groupe d’accueil :H.E.S.S./CTA
Collaboration : Collaboration H.E.S.S., Consortium CTA
Description :
L’étude des écarts temporels entre photons d’énergies différentes peut apporter de précieuses informations sur les mécanismes de production et d’accélération des particules au cœur des sources astrophysiques lointaines et variables telles que les sursauts gamma ou les noyaux actifs de galaxies. Elle permet également de sonder la nature quantique de l’espace-temps aux très petites échelles (de l’ordre de l’échelle de Planck, 10¯³³ cm) qui pourrait, selon certains modèles théoriques, modifier la vitesse des photons dans le vide et la rendre dépendante de l’énergie.
Jusqu’à présent, les techniques d’analyse utilisées pour la recherche de décalages temporels, quelle que soit leur origine, sont des méthodes standards de type maximisation de vraisemblance. Bien que très sensible, la méthode de maximisation de vraisemblance soufre d’un inconvénient majeur : la nécessité de faire une hypothèse initiale sur la distribution temporelle des événements. Cette hypothèse se traduit par la nécessité d’ajuster la courbe de lumière (flux de photons en fonction du temps) à l’aide d’une fonction mathématique. Faute de modèle abouti disponible, cette fonction est choisie arbitrairement pour reproduire au mieux le comportement des données. Cependant, elle donne lieu à des incertitudes systématiques importantes sur l’écart temporel reconstruit et, de ce fait, constitue la principale limitation à la sensibilité de la méthode.
Lors de cette thèse, nous proposons pour la première fois de développer et de mettre en œuvre une chaîne d’analyse basée sur les techniques d’Intelligence Artificielle (IA) dans le but d’étudier les effets temporels intrinsèques aux sources ainsi que les effets de propagation dus aux effets de GQ. Puisque ces deux types d’effets peuvent coexister, une étude combinée sera également entreprise.
La description détaillée en français du sujet est disponible au lien suivant :
https://mycore.core-cloud.net/index.php/s/awl4WzG9e3FMYFd/download
Studying the arrival time differences between photons of different energies can provide valuable information about the particle production and acceleration mechanisms at the heart of distant and variable astrophysical sources such as gamma-ray bursts or active galactic nuclei. It also allows probing the quantum nature of spacetime at very small scales (on the order of the Planck scale, 10¯³³ cm), which, according to some theoretical models, could modify the speed of photons in vacuum and make it energy-dependent.
So far, the analysis techniques used for the search of temporal shifts, regardless of their origin, rely on standard methods like maximum likelihood estimation. However, the maximum likelihood method suffers from a major drawback : the need for an initial assumption about the temporal distribution of events. This assumption requires fitting the light curve (photon flux versus time) using a mathematical function. In the absence of a definitive model, this function is arbitrarily chosen to best replicate the data behavior. Yet, it introduces significant systematic uncertainties on the reconstructed temporal shift and thus constitutes the primary limitation to the method’s sensitivity.
In this thesis, we propose for the first time to develop and implement an analysis pipeline based on Artificial Intelligence (AI) techniques to study intrinsic temporal effects in sources as well as propagation effects due to GQ effects. Since these two types of effects can coexist, a combined study will also be conducted.
The full description of the topic is available in English at this address :
https://mycore.core-cloud.net/index.php/s/TQQPh0vmvEt1VcL/download
Lieu(x) de travail : LPNHE, Sorbonne Université, 4 Place Jussieu, 75005 Paris
Déplacements éventuels : Le·la candidat·e retenu·e participera aux campagnes de prise de donnée sur le site de l’expérience en Namibie. Il·elle devra également participer aux réunions de la collaboration H.E.S.S. et du consortium CTA, ainsi qu’aux réunions des différents groupes de travail impliqués dans les thématiques abordées. Il·elle aura l’opportunité de publier ses résultats dans des revues à fort impact, et de les présenter en conférence. Le LPNHE finance la participation à une école thématique ainsi qu’à une conférence au cours du contrat doctoral. - The selected candidate will participate in data-taking campaigns at the experiment site in Namibia. He/She will also attend meetings of the H.E.S.S. collaboration and the CTA consortium, as well as meetings of the various working groups related to the topics. The candidate will have the opportunity to publish results in high-impact journals and present his/her results at conferences. LPNHE will financially support participation in a thematic school and a conference during the doctoral contract.
Stage proposé avant la thèse : Oui
Dans la même rubrique :
- Transient gamma sky with the future Cherenkov Telescope Array and validation tests with the NectarCAM camera
- Recherche de la violation de la conservation de la saveur des leptons chargés avec l’expérience LHCb au CERN / Search for charged lepton flavour violation with the LHCb experiment at CERN
- Study and realization of a High Granularity Timing Detector (HGTD) for the ATLAS detector at the High Luminosity phase of the LHC.
- Beyond standard galaxy clustering analysis with the DESI BGS
- Neutrino-nucleus interactions measurements with the T2K Near Detector upgrade and their impact on the precision measurements with Hyper-Kamiokande
- Préparation de la reconstruction et des analyses d’oscillation pour Hyperk-Kamiokande
- Quantifying ML uncertainties in searches for new physics at the LHC
- Search for long-lived axion particles at the LHC in the ATLAS experiment with fulll LHC Run 3 dataset
- First light of the Rubin Observatory / LSST : toward the next generation of cosmological constrains.
- Light dark matter search in XENONnT experiment and the challenge of single electron background
- Measurement of solar pp neutrinos flux in XENONnT and development of new electrodes for DARWIN