Thèse Interprétation des Anomalies Astronomiques Relevées par le Broker Fink dans les Données de Rubin - Lsst H/F

Doctorat.Gouv.Fr

Fink a été conçu pour acquérir, enrichir et filtrer les alertes émises par Rubin/LSST, et les redistribuer à la communauté astronomique. L'un des modules scientifiques clés de ce projet sera le détecteur d'anomalies. Basé sur l'algorithme de forêt d'isolation, son objectif est de présenter à l'utilisateur final une sélection d'objets potentiels pertinents pour une analyse plus approfondie. Cette méthode a fait ses preuves sur des jeux de données précurseurs. Cependant, deux défis majeurs demeurent : comment interpréter les décisions prises par la machine afin de faciliter l'analyse humaine ? Comment trouver plus efficacement les objets d'intérêt en intégrant les connaissances préalables, une approche appelée apprentissage actif ?

L'objectif de la thèse sera donc de rechercher de nouvelles classes de phénomènes astrophysiques dans les alertes temps réel Rubin/LSST à l'aide de Fink. Elle impliquera le développement de méthodes innovantes en intelligence artificielle, notamment en travaillant sur l'interprétabilité des algorithmes de recherche d'anomalies et en développant de nouvelles méthodes d'apprentissage
actif. Les objets découverts seront signalés à la communauté astronomique et les travaux seront menés au sein de l'équipe Fink du LPCA, en lien avec la collaboration internationale Fink, qui regroupe une centaine de chercheurs en provenance d'une vingtaine de pays. Voir résumé.
Pour plus de détails sur l'équipe : https://clrwww.in2p3.fr/Fink-140.html