En utilisant ce site, vous acceptez que les cookies soient utilisés à des fins d'analyse et de pertinence     Oui, j'accepte  Non, je souhaite en savoir plus

L'INSTN a repris ses activités de formation continue en présentiel dans le respect des règles sanitaires et en distanciel, n'hésitez pas à nous contacter pour plus d'information Protocole sanitaire

Sujets de thèse
Filtrer par critères

DRF : Sujet de thèse SL-DRF-20-1144

DOMAINE DE RECHERCHE
Data intelligence dont Intelligence Artificielle / Défis technologiques
INTITULÉ DU SUJET Français English

Methodes d'Inference Statistique Variationelles pour l'Estimation Jointe du Cisaillement Gravitationel, Reponse Instrumentale, et Morphologie des Galaxies

RÉSUMÉ DU SUJET

Le futur télescope spatial Euclid ESA aura pour objectif de faire la lumière sur la nature physique de l'énergie sombre et de la matière noire en imageant le ciel avec une très haute résolution. Un obstacle majeur pour l'exploitation scientifique d'Euclid est qu'un contrôle très précis de la réponse instrumentale du télescope est nécessaire afin de mesurer avec précision la forme des galaxies lointaines. Avec les méthodes actuelles, cette délicate tâche de traitement d'image est sujette à des biais et des erreurs qui peuvent entraver les objectifs scientifiques de cette mission spatiale.

L'objectif de cette thèse est de développer un modèle probabiliste hiérarchique des images Euclid observées combinant des modèles physiques avec des composants Deep Learning prenant en compte les erreurs de mesure. Grâce à ce modèle génératif hybride Physique / Deep Learning des images observées, il sera possible pour la première fois d'estimer à partir des données à la fois la distribution bayesienne des paramètres physiques et les paramètres des modèles d'apprentissage profond.

FORMATION NIVEAU MASTER RECOMMANDÉ

Master 2 or equivalent in Signal Processing, Applied Mathematics or Astrophysics

INFORMATIONS PRATIQUES
Institut de recherche sur les lois fondamentales de l’univers
Direction d’Astrophysique
Laboratoire CosmoStat
Centre : Saclay
Date souhaitée pour le début de la thèse : 01/10/2020
PERSONNE À CONTACTER PAR LE CANDIDAT

Jean-Luc STARCK  

CEA
DSM/IRFU/SAp/LCS
CEA/Saclay, Orme des Merisiers

Téléphone : +33 1 69 08 57 64

UNIVERSITÉ / ÉCOLE DOCTORALE
Paris-Saclay
Astronomie et Astrophysique d’Île de France
DIRECTEUR DE THÈSE

Jean-Luc STARCK

CEA
DSM/IRFU/SAp/LCS
CEA/Saclay, Orme des Merisiers