Partenaires

CNRS IN2P3
Sorbonne Universite
Universite de Paris
Initiative Physique des Infinis
UPMC


Rechercher

Sur ce site


Accueil > Thèses, Stages, Formation et Enseignement > Propositions de thèses 2022 > Développement de méthodes innovantes, basées sur l’intelligence artificielle, pour la radio-détection de rayons cosmiques sur l’expérience GRAND

Développement de méthodes innovantes, basées sur l’intelligence artificielle, pour la radio-détection de rayons cosmiques sur l’expérience GRAND

Titre : Développement de méthodes innovantes, basées sur l’intelligence artificielle, pour la radio-détection de rayons cosmiques sur l’expérience GRAND

Directeur de thèse : Olivier Martineau

Co-encadrant : Aurélien Benoît-Lévy (CEA-List)

Equipe : Rayonnement Cosmique et Matière Noire ; groupe GRAND

Description :

Quelles sont les sources des rayons cosmiques de ultra-haute énergie, ces particules qui pleuvent du cosmos avec des énergies colossales, et dont l’origine reste mystérieuse ? Le projet GRAND (Giant Radio Array for Neutrino Detection) vise à répondre à cette question, à l’aide d’un réseau de 200 000 antennes radios à travers le monde. Si la construction de cet instrument est prévu pour les années 2030, le déploiement d’un premier prototype de 300 antennes radios, GRANDProto300 est déjà en cours dans le désert du Gansu en Chine. Celui-ci sera un banc de test idéal pour valider cette technique de détection novatrice, et pour investiguer l’origine des rayons cosmiques dans une gamme d’énergie peu étudiée.

Les particules cosmiques induisent dans l’atmosphère des cascades de particules secondaires qui vont générer une émission électromagnétique brève (< 100ns) que les antennes de GRAND détecteront dans la gamme 50-200 MHz. Toutefois, bien que les détecteurs soient installés dans un endroit aussi silencieux que possible, des bruits de fond radio inévitables (lignes haute-tension, communications avion-sol, …) existent et peuvent gêner la détection et l’identification des particules cosmiques.

Le premier objectif de cette thèse est de développer des méthodes temps réel d’analyse et de traitement du bruit de fond (basé sur algorithmes d’apprentissage automatique de type réseaux de neurones mais aussi sur des méthodes de traitement analytique) pour identifier les signaux astrophysiques dans le bruit de fond radio transitoire ou stationnaire. Le candidat aura accès à des données simulées (signal + bruit de fond) et expérimentales de GRANDProto300. Il participera activement aux tests en conditions réelles des algorithmes développés.
Ce travail s’insère dans un projet prospectif conduit par le LPNHE et l’IAP avec le Karlsruhe Institute of Technology (Allemagne) au sein de la collaboration GRAND. Ce projet, dans lequel le doctorant jouera un rôle central, vise à développer un algorithme d’identification en temps réel des signaux de rayons cosmiques applicable à des réseaux radio géants du type de GRAND.

Enfin, le candidat sélectionné pourra participer à l’analyse des données de l’expérience GRANDProto300 pour l’étude des rayons cosmiques.

Stage :
Un stage avant le début du doctorat est prévu.

Lieu de travail : LPNHE et CEA-List, a priori 50-50%
Collaboration étroite avec l’Institut d’Astrophysique de Paris également (équipe GRAND de Kumiko Kotera)

Déplacements éventuels :

  • Prises de données et tests sur le site de l’expérience GRANDProto300 en Chine
  • Séjours réguliers au Karlsruhe Institute of Technnology (Allemagne)

Documentation :

Contacts :

Facebook
Enregistrer au format PDF