Les grands relevés de galaxies de nouvelle génération, tels que ceux conduits par le satellite européen Euclid ou par le Vera C. Rubin Observatory au Chili, vont nous fournir une image de l’Univers d’une taille et d’une précision inégalée. Cependant, les méthodes traditionnelles d’analyse, basées sur des modèles théoriques analytiques, ne permettent d’exploiter qu'une partie de l’information cosmologique présente dans ces données.
L’utilisation de la simulation numérique comme modèle de l’Univers permettrait de s'affranchir de ces limitations des modèles théoriques, mais présente de nombreux challenges. Ce projet vise à attaquer ce problème selon deux angles :
1 - la mise en place de simulations cosmologiques rapides et interfaçables facilement avec des composants d’IA permettant d’en améliorer la résolution et de réduire le temps de calcul.
2 - le développement de méthodes statistiques à base d’IA permettant d'inférer les paramètres cosmologiques à partir des données et de jeux de simulations.
DEUX ÉTUDES ET DES RÉSULTATS
Nous avons développé et testé un outil de simulation N corps hybride, reposant sur une simulation physique mais intégrant un réseau de neurones nous permettant de simuler à faible coût une plus haute résolution. Nous avons évalué dans le détail l’apport de ce type de simulation pour l’analyse du relevé cosmologique du Vera C. Rubin Observatory. Dans une seconde étude, nous avons comparé différentes méthodes d'inférence statistique utilisant l’IA et ces outils de simulation et avons démontré une approche permettant d’extraire de façon optimale l’information cosmologique des données. Les outils de simulation et d’analyse statistique que nous avons développés contribuent au développement d’un nouveau paradigme pour l'étude de l’Univers.
Cette image représente une simulation numérique des structures de matière noire, a des échelles cosmologiques. Nous utilisons une technique d’intelligence artificielle pour augmenter la résolution et qualité de simulations cosmologiques rapides, nous permettant de simuler des grands volumes d’Univers à faible coût de calcul.
Crédits : Denise LANZIERI & François LANUSSE, Laboratoire AIM, CEA Paris-Saclay, CNRS, Université Paris Cité, Université Paris-Saclay