MODELE DE FONDATION POUR L'EXPERIENCE LHCB AU CERN
Au CERN, l’expérience LHCb observe des protons entrer en collision des dizaines de millions de fois par seconde et doit décider, en temps réel, quelles collisions conserver. Aujourd’hui, cela repose sur des milliers de petits programmes écrits à la main, un par signal de physique, une approche qui ne passe plus à l’échelle. En parallèle, l’IA a été révolutionnée par les « modèles de fondation », ces grands modèles derrière des outils comme ChatGPT : on entraîne un seul grand modèle une fois sur d’énormes données, puis on le réutilise pour de nombreuses tâches. Cette thèse demande si l’on peut construire un tel modèle pour LHCb : une IA unique qui apprend à « lire » une collision entière et peut ensuite servir à de multiples études de physique. Tu construirais la première version de ce modèle, l’entraînerais directement sur de vraies données du CERN (et non seulement sur des simulations, ce qui fait son originalité), et montrerais qu’il se transfère d’une tâche à l’autre en nécessitant beaucoup moins d’étiquetage manuel. En chemin, tu apprendrais l’IA moderne de façon concrète (PyTorch, entraînement sur GPU) et l’analyse de données d’une expérience majeure. Aucune expertise préalable en IA n’est requise : curiosité, bonnes bases en programmation et intérêt pour la physique ou l’apprentissage automatique suffisent. Le travail est accueilli au CEA/Irfu, aux côtés de l’équipe HEPfoundry qui développe des modèles de fondation pour la physique, avec le CERN/LHCb en partenaire.
Inférence variationnelle rapide pour la caractérisation précoce des binaires de trous noirs massifs avec LISA
Le projet d'observatoire spatial LISA (Laser Interferometer Space Antenna) est conçu pour détecter les ondes gravitationnelles à basse fréquence, principalement issues des collisions de trous noirs supermassifs. Comme ces binaires massives peuvent être observées des jours, voire des semaines avant leur fusion finale, LISA offre une opportunité inédite pour l'astronomie multi-messager : émettre des alertes précoces afin que les télescopes électromagnétiques traditionnels puissent cibler la bonne région du ciel et capturer cet événement explosif simultanément.
Cependant, la génération de ces alertes en temps réel pose un défi statistique majeur. En début d'observation, le signal encore faible produit des données très ambiguës et « multimodales » : les symétries physiques du détecteur font qu'un même signal peut sembler provenir de huit positions distinctes dans le ciel. Les méthodes d'échantillonnage statistiques classiques (telles que les chaînes de Markov Monte-Carlo) sont beaucoup trop lentes pour réactualiser ces prédictions dans le délai imparti de quelques minutes. À l'inverse, les réseaux de neurones conventionnels peinent à s'adapter à la nature imprévisible et évolutive d'un flux de données spatiales en direct, sujet aux interruptions.
Ce projet de thèse se situe à l'intersection de l'analyse de données astrophysiques, des statistiques bayésiennes et du machine learning scientifique pour relever ce défi. La personne recrutée développera une méthode d'inférence variationnelle (VI) séquentielle et rapide, transformant un processus d'échantillonnage lent en un problème d'optimisation accéléré sur GPU. En intégrant la physique du détecteur LISA directement dans l'algorithme, la méthode « repliera » l'espace des probabilités pour l'ajuster aux données entrantes, puis le « dépliera » pour fournir aux astronomes une carte multimodale en temps réel des zones à observer. Sur une durée de trois ans, la thèse fera évoluer cette approche d'apprentissage automatique guidée par la physique, depuis des modèles idéalisés jusqu'à un pipeline open-source robuste capable de traiter des données de mission réelles et bruitées, contribuant ainsi directement au système d'alerte précoce de LISA.
Intelligence artificielle générative et inférence cosmologique multi-traceurs : Euclid et la cartographie d’intensité HI à 21 cm
Les relevés cosmologiques actuels et à venir, notamment la mission spatiale Euclid et les expériences de cartographie d'intensité de l'hydrogène neutre (HI) à 21 cm, offrent une occasion unique d'améliorer notre compréhension de la formation des grandes structures et du contenu physique de l'Univers. Ces sondes complémentaires permettent de tracer la structure à grande échelle du cosmos de différentes manières : le lentillage gravitationnel faible, mesuré par Euclid, sonde les effets gravitationnels de la matière intégrée le long de la ligne de visée, tandis que la cartographie d'intensité HI retrace en trois dimensions la distribution de matière à partir de l'émission à 21 cm de l'hydrogène neutre, décalée vers le rouge. Leur analyse conjointe pourrait révéler des informations cosmologiques difficiles à extraire de chacune de ces sondes prise individuellement. Toutefois, exploiter pleinement cette complémentarité reste un défi, en raison du coût de calcul des simulations physiques, de la complexité des effets astrophysiques et instrumentaux, ainsi que de la difficulté à extraire toute l'information contenue dans les champs cosmiques non gaussiens.
Cette thèse développera de nouvelles méthodes d'intelligence artificielle pour la modélisation directe (forward modelling) du signal cosmologique conjoint et l'inférence des paramètres à partir de ces observations multi-traceurs. Dans un premier temps, des modèles génératifs neuronaux seront développés pour apprendre la relation entre les paramètres cosmologiques, la distribution sous-jacente de matière et les cartes synthétiques de lentillage faible et d'intensité HI. Ces modèles viseront à accélérer la génération de simulations réalistes tout en préservant les propriétés statistiques de chaque sonde et les corrélations entre elles. Dans un deuxième temps, des représentations neuronales seront étudiées afin d'analyser conjointement les cartes de lentillage faible d'Euclid et les cartes d'intensité HI, dans le but d'exploiter l'information non gaussienne et les corrélations complémentaires entre traceurs. Enfin, ces développements seront intégrés dans des méthodes d'inférence fondées sur les simulations (simulation-based inference), afin de contraindre les paramètres cosmologiques tout en tenant compte des incertitudes astrophysiques et instrumentales.
La méthodologie sera validée à l'aide de simulations réalistes, puis appliquée aux données de cartographie d'intensité HI déjà disponibles de MeerKAT, en combinaison avec les observations de lentillage faible d'Euclid, à mesure que les données pertinentes deviendront disponibles dans les prochaines années. Cela fournira un cadre d'application observationnelle concret dès le début du projet. Les méthodes seront également conçues pour permettre de futures applications à SKA-Mid et aux prochaines générations de relevés radio. L'objectif est d'établir un cadre d'inférence cosmologique fondé sur l'intelligence artificielle, capable d'exploiter plus complètement l'information conjointe apportée par plusieurs traceurs, ouvrant ainsi de nouvelles perspectives pour l'étude de la matière noire et de la formation des structures cosmiques.