Thèse Méthodes pour la Détection Rapide d'Évènements Gravitationnels à Partir des Données Lisa H/F - 75

Établissement : Université Paris-Saclay GS Informatique et sciences du numérique
École doctorale : Sciences et Technologies de l'Information et de la Communication
Laboratoire de recherche : Département d'Électronique des Détecteurs et d'Informatique pour la Physique
Direction de la thèse : Jérôme BOBIN ORCID 0000000314577890
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-08-31T23:59:59

Cette thèse vise à développer une méthode robuste et performante pour la détection précoce de binaires de trous noirs massifs (MBHB) dans le flux de données du futur observatoire spatial d'ondes gravitationnelles LISA. La méthode devra traiter des données transmises par paquets, potentiellement incomplètes et affectées par un bruit non stationnaire et des glitches, tout en produisant des alertes à faible latence incluant un indice de confiance et une première estimation rapide des paramètres de la source (temps de coalescence, position dans le ciel, masse de la binaire). Le travail s'appuiera sur une représentation parcimonieuse des signaux de MBHB par warping temporel, exploitera le machine learning pour optimiser l'estimation de paramètres à partir des mesures et de l'orbite de la constellation LISA, et sera évalué sur des simulations réalistes dans le cadre des activités de la collaboration LISA.

Depuis la première détection directe d'ondes gravitationnelles en 2016, l'astronomie gravitationnelle est devenue un outil majeur pour sonder l'Univers, en complément des observations électromagnétiques. La mission LISA de l'ESA, prévue pour 2035, reposera sur une constellation de trois satellites espacés de 2,5 millions de kilomètres, capable de détecter des ondes gravitationnelles de basse fréquence inaccessibles aux interféromètres terrestres.
En préparation de LISA, un effort de simulation et de développement méthodologique est nécessaire pour démontrer la capacité de la communauté à identifier et caractériser rapidement les signaux détectés. Le pipeline d'analyse à faible latence (low-latency pipeline) joue un rôle clé : il doit détecter de nouveaux évènements, en fournir une première caractérisation et transmettre rapidement des alertes, utiles aussi pour le suivi multi-messager par des observatoires électromagnétiques au sol ou dans l'espace.
Si des méthodes rapides existent déjà pour les interféromètres au sol, le contexte spatial de LISA introduit de nouveaux défis : transmission par paquets, données incomplètes, spectre de sources très variées (fusions de trous noirs, EMRI, bursts, binaires galactiques) et contraintes fortes sur le temps de calcul. C'est dans ce contexte que s'inscrit la thèse, à l'interface entre traitement du signal, statistiques, machine learning et physique des ondes gravitationnelles.

L'objectif de la thèse est de concevoir une méthode de détection rapide, fiable et précise pour les binaires de trous noirs massifs dans les données LISA, intégrable dans le pipeline d'analyse à faible latence pour le traitement des données LISA. Cette méthode devra :
-Détecter les évènements à partir de données fragmentaires, transmises par paquets de 5 minutes, en un temps de traitement comparable ( 5 minutes) par paquet.
-Gérer la présence d'artefacts instrumentaux (bruit non stationnaire, glitches) tout en limitant les faux positifs et en quantifiant la confiance de la détection.
-Fournir rapidement une première estimation des paramètres astrophysiques clés (temps de coalescence, localisation céleste, masses), permettant d'initialiser des analyses plus fines mais plus coûteuses.
Plus précisément, la thèse se structure autour des axes suivants :
-Mise en oeuvre d'une méthode de détection fondée sur une représentation parcimonieuse des signaux de MBHB par warping temporel de leur signature.
-Optimisation de cette méthode pour l'estimation de paramètres, en utilisant des techniques de machine learning pour combiner l'information issue de la mesure et de la géométrie/orbite de la constellation LISA.
-Extension de l'approche au mode de transmission par paquets, permettant l'analyse de données incomplètes en temps quasi réel.
-Évaluation systématique sur des simulations réalistes LISA dans le cadre des activités de la collaboration LISA, incluant des scénarios avec artefacts et sources multiples.