Vers une séparation robuste du signal cosmologique à 21 cm : modélisation structurée, régularisation et inférence bayésienne
Résumé
La séparation du signal cosmologique à 21 cm reste particulièrement sensible à la modélisation statistique des contaminants et aux erreurs de modèle. ML-GPR permet d’introduire des modèles de covariance plus flexibles, appris à partir de simulations. La séparation reste toutefois fragile lorsque ces simulations sont insuffisamment représentatives ou lorsque les structures statistiques du signal et des contaminants deviennent trop proches. L’enjeu est ainsi de déterminer si l’introduction d’informations structurelles supplémentaires peut améliorer la robustesse de la séparation et la quantification de sa fiabilité.
Ce document présente un projet de recherche construit à partir de l’analyse de plusieurs travaux sur la séparation du signal à 21 cm par GPR et ML-GPR. Deux axes méthodologiques sont considérés : la modélisation structurée des contaminants, en étudiant notamment des covariances apprises et des informations spatio-spectrales, et la régularisation de l’apprentissage des modèles de covariance. La proposition comprend également une stratégie d’évaluation reposant sur des simulations, puis, lorsque cela est possible, sur des observations réelles. Cette évaluation s’inscrit dans un cadre probabiliste et bayésien et porte notamment sur la robustesse de la séparation, la perte de signal, les biais sur le spectre de puissance et la fiabilité des estimations obtenues.
Présentation
Cette proposition de recherche indépendante s’appuie sur l’analyse de plusieurs travaux concernant la séparation du signal cosmologique à 21 cm par régression à processus gaussiens (GPR et ML-GPR).
Elle examine deux axes méthodologiques complémentaires : la modélisation structurée des contaminants et la régularisation de l’apprentissage des modèles de covariance. Leur évaluation est envisagée dans un cadre probabiliste et bayésien, sur simulations puis, lorsque cela est possible, sur observations réelles.
Version initiale : 30 septembre 2026. Version révisée : 9 novembre 2026.
