Thèse les Amas de Galaxies Comme Sonde de l'Évolution de l'Univers. H/F - Doctorat.Gouv.Fr

Établissement : Université de Savoie Mont-Blanc École doctorale : PHYS - Physique Laboratoire de recherche : Laboratoire d'Annecy de Physique des Particules Direction de la thèse : Narei LORENZO MARTINEZ ORCID 0000000278577606 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-13T23:59:59 D'ici quelques semaines, le télescope Simonyi Survey, installé à l'observatoire Vera C. Rubin au Chili, entamera le relevé LSST (Legacy Survey of Space and Time), après plus de deux décennies de développement. Cet instrument photographiera l'ensemble du ciel austral observable en seulement trois jours et répétera ce balayage pendant dix ans. Ce projet permettra de constituer un catalogue sans précédent, comprenant environ 20 milliards de galaxies et 100 000 amas de galaxies, réduisant fortement les incertitudes statistiques des mesures cosmologiques.
Les amas de galaxies, plus grandes structures gravitationnellement liées de l'Univers, constituent une sonde privilégiée pour contraindre les paramètres cosmologiques. Leur abondance et leur masse dépendent fortement du modèle cosmologique, et ils fournissent une information complémentaire à celle d'autres sondes comme les supernovae. En combinaison avec d'autres relevés tels que DESI et Euclid, LSST marque l'entrée dans une ère où les incertitudes systématiques deviennent prépondérantes, pouvant engendrer des tensions entre mesures si elles sont mal maîtrisées. De telles tensions sont déjà observées, notamment sur la constante de Hubble ou l'énergie noire.
Cependant, les amas restent difficiles à caractériser. Leur analyse repose sur des hypothèses simplificatrices (sphéricité, relations masse-richesse, fonctions d'abondance universelles, modélisation du lentillage gravitationnel) qui étaient adaptées à un régime dominé par les erreurs statistiques, mais qui doivent désormais être réévaluées. L'augmentation du volume de données et les exigences accrues en précision rendent indispensable une modernisation des méthodes d'analyse.
Cette thèse vise à établir un bilan des incertitudes systématiques affectant l'étude des amas de galaxies, puis à les intégrer dans la chaîne d'analyse de la collaboration DESC (Dark Energy Science Collaboration). Elle se situera à l'interface entre modélisation théorique (abondance des amas, évolution cosmologique, signal de lentillage faible), analyse de données (prise en compte et propagation des incertitudes, construction des fonctions de vraisemblance) et compréhension instrumentale (détection, biais observationnels, caractérisation de la PSF).
Ce travail s'appuiera sur l'expertise de l'équipe LSST du LAPP et sur son rôle central dans la collaboration DESC. Le ou la doctorante contribuera directement à la chaîne d'analyse officielle des amas, bénéficiant ainsi d'un environnement collaboratif structurant et d'une forte visibilité scientifique. La cosmologie entre dans une ère dominée par les grands relevés comme LSST, qui fourniront des jeux de données sans précédent et permettront de réduire fortement les incertitudes statistiques. Dans ce contexte, les amas de galaxies constituent une sonde clé pour contraindre les paramètres cosmologiques, mais l'importance croissante des incertitudes systématiques impose de renouveler en profondeur leurs méthodes d'analyse. La thèse reposera sur une approche intégrée combinant modélisation théorique, analyse statistique et compréhension instrumentale afin de caractériser précisément les amas de galaxies et les biais qui les affectent. Elle visera à identifier, quantifier et propager les incertitudes systématiques tout au long de la chaîne d'analyse, puis à les intégrer dans les outils de la collaboration DESC.

Le ou la doctorant(e) doit avoir une solide formation en physique ou astrophysique, avec des compétences en programmation (Python, C/C++) et en analyse statistique. Une bonne maîtrise des concepts de cosmologie et de structures à grande échelle, ainsi que l'aptitude au travail en collaboration dans un environnement multidisciplinaire, sont fortement souhaitées.