Skip to Main content Skip to Navigation
Theses

Bayesian large-scale structure inference and cosmic web analysis

Résumé : Les observations de la structure à grande échelle de l'Univers sont précieuses pour établir et tester des théories cosmologiques sur son origine et son évolution. Cette démarche requiert des outils appropriés d'assimilation des données, afin d'établir le contact entre les catalogues de galaxies et les modèles de formation des structures.Dans cette thèse, une nouvelle approche pour l'analyse ab initio et simultanée de la formation et de la morphologie de la toile cosmique est présentée : l'algorithme BORG infère les fluctuations de densité primordiales et produit des reconstructions physiques de la distribution de matière noire, en assimilant les relevés de galaxies dans un modèle cosmologique de formation des structures. La méthode, basée sur la théorie bayésienne des probabilités, fournit un moyen de quantifier précisément les incertitudes.On présente l'application de BORG aux données du Sloan Digital Sky Survey et on décrit la structure de l'Univers dans le volume considéré. On démontre que cette approche a mené à la première inférence quantitative des conditions initiales et du scénario de formation des structures observées. On utilise ces résultats pour plusieurs projets cosmographiques visant à analyser et classifier la toile cosmique. En particulier, on construit un catalogue de vides, décrits au niveau de la matière noire et non des galaxies. On présente des cartes probabilistes détaillées de la dynamique de la toile cosmique et on propose une solution générale pour la classification des structures en présence d'incertitude.Les résultats de cette thèse constituent une précise description chrono-cosmographique des inhomogénéités de la structure cosmique.
Complete list of metadatas

https://tel.archives-ouvertes.fr/tel-01265548
Contributor : Abes Star :  Contact
Submitted on : Monday, February 1, 2016 - 11:33:07 AM
Last modification on : Friday, May 29, 2020 - 3:58:33 PM
Document(s) archivé(s) le : Friday, November 11, 2016 - 11:10:21 PM

File

these_archivage_2506817o.pdf
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-01265548, version 1

Citation

Florent Leclercq. Bayesian large-scale structure inference and cosmic web analysis. Instrumentation and Methods for Astrophysic [astro-ph.IM]. Université Pierre et Marie Curie - Paris VI, 2015. English. ⟨NNT : 2015PA066353⟩. ⟨tel-01265548⟩

Share

Metrics

Record views

804

Files downloads

278