Cosmological constraints from Euclid photometric galaxy clustering

par Vincent Duret (CPPM)

jeudi 13 mars 2025, 10:00 → 13:00 Europe/Paris

Amphitéâtre (CPPM)

Composition du jury :

- Alain BLANCHARD Président du jury,
rapporteur
IRAP, Toulouse
- Etienne BURTIN Rapporteur
CEA, Paris-Saclay
- Micol BOLZONELLA Examinatrice
INAF, Bologna
- Ariel SANCHEZ Examinateur
MPE, Garching bei München
- Stéphanie ESCOFFIER Directrice de thèse
CPPM, Marseille
- William GILLARD Directeur de thèse
CPPM, Marseille

Résumé :

Nous sommes actuellements à l’aube de l’ère des relevés cosmologiques de niveau
IV, initiée par le programme principal du Dark Energy Spectroscopic Instrument
en mai 2021. Le relevé nominal du satellite Euclid a débuté le 14 février 2024. Il
est dédié à l’étude de l’énergie sombre et de la matière noire, les deux constituants
principaux mais invisibles de notre Univers, en cartographiant la distribution des
galaxies en tant que traceurs de la matière. L’étude du regroupement des galaxies
établit les propriétés des structures aux grandes échelles à travers diverses approches
condensant l’information de cette distribution en une observable comme la fonction
de corrélation. Le cadre théorique développé depuis l’établissement de la théorie
de la relativité générale a évolué vers le modèle standard de la cosmologie appelé
ΛCDM mais aussi vers une myriade de modèles alternatifs créés pour pallier à ses
échecs. Confronter ces modèles aux observations avec des méthodes bayésiennes ou
fréquentistes contraint leurs paramètres. Dans le chapitre 1, j’introduis les notions de
base de cosmologie, à travers les équations d’Einstein, pour comprendre les relations
entre l’Univers, son évolution et son contenu puisque cela est lié à la naissance du
modèle ΛCDM et ses extensions comme les modèles d’énergie sombre. Le relevé
Euclid est présenté pour comprendre le contexte de ce travail, avant d’aborder les
oscillations baryoniques acoustiques (BAO), le sujet des principales analyses de cette
thèse. Comme j’utilise des redshifts 2 photométriques plutôt que spectroscopiques
pour déterminer les distances des galaxies et étudier leur regroupement, j’explore
dans le chapitre 2 des méthodes récentes développées pour améliorer les redshifts
photométriques grâce au deep learning, tout d’abord avec les observations du Sloan
Digital Sky Survey puis avec des simulations Euclid. Le chapitre 3 est consacré à
l’analyse du regroupement des galaxies photométriques. De la théorie de la fonction
de corrélation angulaire à deux points à son estimateur et aux données de la simulation
Euclid Flagship, je présente ensuite les mesures obtenues dans plusieurs configurations,
avec l’aire totale de la simulation, 5157 deg2, ou 2500 deg2
comme attendu au moment
de la première grande publication de données Euclid. Comme c’est une analyse
tomographique, l’effet du type de bin est considéré, équipeuplé ou équidistant. L’effet
de choix d’analyse variés est étudié, comme la taille ou résolution angulaire du
catalogue de points aléatoires, le nombre d’échantillons jackknife utilisés pour calculer
la covariance empirique. Les covariances empirique et analytique sont introduites
et comparées. Les analyses BAO effectuées avec ces données sont présentées dans
le chapitre 4, avec différentes approches : analyse sur les bins de redshift individuels ou analyse jointe, covariance empirique ou analytique, vecteur de données mesuré
ou synthétique, MCMC ou profil de vraisemblance. Avec les contraintes obtenues
dans chaque bin, je montre que l’on peut contraindre l’évolution de l’expansion de
l’Univers. Avec l’analyse jointe, je démontre le potentiel du regroupement des galaxies
photométriques avec Euclid avec des contraintes trois fois plus fortes qu’avec le
Dark Energy Survey. Une analyse détaillée de la robustesse des résultats obtenues est
fournie, à propos des bins de redshift inclus dans l’analyse, la cosmologie fiducielle,
la forme fonctionelle utilisée pour extraire le signal BAO, les distortions de l’espace
des redshifts, la sélection des échelles utilisées, la définition des bins de redshifts ou la
covariance utilisée. Je conclus par une étude préliminaire des pistes d’améliorations
de ces analyses BAO pour de futurs travaux.
Mots clés : Cosmologie : théorie – Structure de l’Univers
1. Cette thèse est basée sur, ou contient des documents non-publics du consortium Euclid ou des
résultats qui n’ont pas encore été approuvés par le consortium Euclid.
2. Redshift : décalage vers le rouge

Abstract :

We are currently at the dawn of the era of stage IV cosmological surveys, initiated
with the Dark Energy Spectroscopic Instrument main program in May 2021. The
nominal survey of the Euclid satellite debuted in February 2024 and it is dedicated
to the study of dark energy and dark matter, the two principal but invisible compo?nents of our Universe, by mapping the distribution of galaxies as tracers of matter.
Galaxy clustering establishes the properties of large scale structures, through differ?ent approaches like field-level inference or summary statistics which condense the
information into observables like the correlation function. The theoretical framework
built since the theory of General Relativity was established evolved towards the stan?dard model of Cosmology called ΛCDM which currently explains most observations,
but also a myriad of alternative models created to explain its failures. Confronting
these models to observations with Bayesian or frequentist methods constrains their
parameters. Having a detailed understanding of the influence of the choices made to
obtain constraints is necessary. Making the most of the very large amount of data that
Euclid will provide is also very important to me, which is why I study baryonic acoustic
oscillations (BAO) with photometric galaxy clustering in my thesis. The first part of
this thesis is dedicated to the required notions of Cosmology, the ΛCDM model, but
also an introduction to Euclid and BAO. In the second part, I explore the use of deep
learning methods to improve photometric redshift estimates with both observations
and simulations. Different architectures of neural networks are compared in order
to quantify the improvement given by the use of images with respect to photometry
alone. The use of hybrid architectures with both images and photometry is also be
tested to further increase performance. The third part of this work describes pho?tometric galaxy clustering through the two-point angular correlation function w(θ),
from its theory to the way it is measured. The data from the Euclid Flagship simulation
will be introduced along with the various measurements of w(θ) obtained. A study
of various analysis choices is provided to understand their effect over the observable.
The empirical and analyical covariances are introduced at the end of this third chap?ter. The fourth chapter is a set of tomographic analyses of BAO with photometric
galaxy clustering. We extract and constrain the BAO signal as a function of redshift to
constrain the expansion of the Universe and cosmological parameters, but we also
constrain the BAO signal in a joint analysis of all redshift bins. A detailed study of
various effects is presented, including the weight of each redshift bin, the choice of
fiducial cosmology, the template used to extract the signal, scale cuts, redshift space distortions, the choice of redshift binning scheme and the covariance. I conclude with
a preliminary study of how these constraints from BAO can be improved in the future.

1. This thesis is based on, or contains non-public Euclid Consortium material or results that have
not yet been endorsed by the Euclid Consortium.

Keywords: Cosmology : theory – large-scale structure or the Universe

 

Lien Zoom :
https://univ-amu-fr.zoom.us/j/91445435788?pwd=ZTgSRtTU7McQasv56oCXlouoLbWXz4.1