Modélisation statistique des avant-plans interstellaires au fond diffus cosmologique

Les études sur l’émission de la poussière Galactique aux fréquences infrarouges et micro-ondes sont motivées par l’intérêt scientifique pour la physique du milieu interstellaire (MIS) magnétisé et la nécessité de modéliser les avant-plans Galactiques aux fréquences des fonds diffus micro-onde et infrarouge. L’interaction des processus interstellaires et de la dynamique des gaz se traduit par des observations de la poussière fortement non-gaussiennes, ce qui rend leur modélisation et leur analyse particulièrement difficiles. Le succès récent des Scattering Transforms pour la modélisation des données astrophysiques ouvre une nouvelle voie pour la modélisation statistique de l’émission de la poussière Galactique. La construction de tels modèles directement à partir des données observationnelles est cependant entravée par la présence de composantes supplémentaires telles que les signaux cosmologiques ou le bruit. En particulier, le fait que les Scattering Transforms s’appuient sur des non-linéarités pour capturer les interactions entre les échelles rend les statistiques de la poussière fortement biaisées par d’autres signaux. Pour résoudre ce problème, j’ai développé des algorithmes de séparation de composantes, basés sur les Scattering Transforms, qui permettent de construire, directement à partir des données observationnelles, des modèles de poussière non-gaussiens corrigés de ces biais. Cette méthodologie est appliquée dans trois cas. Tout d’abord, j’ai effectué une séparation des composantes entre la poussière et le fond diffus infrarouge en utilisant des observations Herschel à 250 μm d’un champ à haute latitude Galactique, ce qui a permis d’obtenir un modèle de l’intensité totale de l’émission diffuse de la poussière corrigée du biais du fond diffus infrarouge. Ensuite, toujours sur la base d’observations Herschel, j’ai étendu cette méthodologie pour prendre en compte la corrélation poussière-gaz dans le modèle et je l’ai appliquée à la région du Pont de Magellan, en construisant un modèle d’intensité de la poussière qui inclut la dépendance statistique entre les émissions de poussière et de HI au-delà de la corrélation linéaire. Enfin, j’ai effectué une séparation des composantes entre la poussière, le fond diffus micro-onde et le bruit sur les données Planck en polarisation d’un nuage moléculaire à une latitude Galactique moyenne, produisant des modèles de polarisation de la poussière qui incluent les caractéristiques non-gaussiennes des champs magnétiques interstellaires. Ces travaux ouvrent la voie à une meilleure caractérisation de ces différents signaux, et pourraient être utilisés pour l’astrophysique Galactique et la recherche de modes B primordiaux du fond diffus micro-onde.

Authors

Publication Details

Journal
theses.fr (ABES)
Published
2024-09-18
Primary Topic
Astrophysics and Star Formation Studies
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Modélisation statistique des avant-plans interstellaires au fond diffus cosmologique

Constant Auclair
theses.fr (ABES)
Astrophysics and Star Formation Studies
article

Modélisation statistique des avant-plans interstellaires au fond diffus cosmologique

Constant Auclair
article en

Abstract

Les études sur l’émission de la poussière Galactique aux fréquences infrarouges et micro-ondes sont motivées par l’intérêt scientifique pour la physique du milieu interstellaire (MIS) magnétisé et la nécessité de modéliser les avant-plans Galactiques aux fréquences des fonds diffus micro-onde et infrarouge. L’interaction des processus interstellaires et de la dynamique des gaz se traduit par des observations de la poussière fortement non-gaussiennes, ce qui rend leur modélisation et leur analyse particulièrement difficiles. Le succès récent des Scattering Transforms pour la modélisation des données astrophysiques ouvre une nouvelle voie pour la modélisation statistique de l’émission de la poussière Galactique. La construction de tels modèles directement à partir des données observationnelles est cependant entravée par la présence de composantes supplémentaires telles que les signaux cosmologiques ou le bruit. En particulier, le fait que les Scattering Transforms s’appuient sur des non-linéarités pour capturer les interactions entre les échelles rend les statistiques de la poussière fortement biaisées par d’autres signaux. Pour résoudre ce problème, j’ai développé des algorithmes de séparation de composantes, basés sur les Scattering Transforms, qui permettent de construire, directement à partir des données observationnelles, des modèles de poussière non-gaussiens corrigés de ces biais. Cette méthodologie est appliquée dans trois cas. Tout d’abord, j’ai effectué une séparation des composantes entre la poussière et le fond diffus infrarouge en utilisant des observations Herschel à 250 μm d’un champ à haute latitude Galactique, ce qui a permis d’obtenir un modèle de l’intensité totale de l’émission diffuse de la poussière corrigée du biais du fond diffus infrarouge. Ensuite, toujours sur la base d’observations Herschel, j’ai étendu cette méthodologie pour prendre en compte la corrélation poussière-gaz dans le modèle et je l’ai appliquée à la région du Pont de Magellan, en construisant un modèle d’intensité de la poussière qui inclut la dépendance statistique entre les émissions de poussière et de HI au-delà de la corrélation linéaire. Enfin, j’ai effectué une séparation des composantes entre la poussière, le fond diffus micro-onde et le bruit sur les données Planck en polarisation d’un nuage moléculaire à une latitude Galactique moyenne, produisant des modèles de polarisation de la poussière qui incluent les caractéristiques non-gaussiennes des champs magnétiques interstellaires. Ces travaux ouvrent la voie à une meilleure caractérisation de ces différents signaux, et pourraient être utilisés pour l’astrophysique Galactique et la recherche de modes B primordiaux du fond diffus micro-onde.

theses.fr (ABES)
Openalex Percentile: Top 40%
Astrophysics and Star Formation Studies
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.