Observing exoplanet atmospheres with the SPIRou instrument at the Canada-France-Hawaii Telescope
Notice bibliographique
Résumé
Au cours des trois dernières décennies, la détection de plus de 5500 exoplanètes a révélé leur grande diversité en masse, rayon et température d'équilibre. Ça a suscité un intérêt pour mieux les comprendre, de leur potentiel à abriter la vie à la façon dont elles se sont formées et ont migré vers leurs emplacements orbitaux actuels. La caractérisation atmosphérique s'est avérée être un outil clé, offrant une fenêtre sur les propriétés spécifiques d'une planète. Grâce à leurs larges atmosphères et leur proximité avec leurs étoiles, les Jupiter chauds et ultra-chauds sont les meilleures cibles pour affiner les outils d'analyse de données spectrales d'atmosphères d'exoplanètes pour contraindre leurs propriétés. Ces planètes sont cependant intrinsèquement 3-D, compliquant la récupération des abondances globales nécessaires pour déduire les propriétés des planètes. Cette thèse s'est concentrée sur l'étude du Jupiter ultra-chaud WASP-76 b, en particulier sur ce qu'on pourrait en apprendre avec des données SPIRou. Ceci était en grande partie motivé par l'asymétrie trouvée pour l'atmosphère de cette planète dans des données optiques. En le regardant dans l'infrarouge, on sonde des pressions différentes, donnant un aperçu différent de ses propriétés. Pour ça, j'ai participé au développement d'un pipeline d'analyse de données au sein du programme ATMOSPHERIX optimisé pour l'analyse de spectres de transmission de SPIRou. Le pipeline optimise le signal atmosphérique d'une exoplanète dans les données, crée des spectres synthétiques pour l'analyse, et peut valider la détection d'une atmosphère et récupérer les valeurs les plus probables pour les paramètres atmosphériques. En l'appliquant aux données SPIRou de WASP-76 b, j'ai pu effectuer une étude approfondie des propriétés atmosphériques de cette planète. En particulier, j'ai pu détecter H dollar _2 dollar O et CO et analyser les dynamiques associées à chacun, offrant des raisons possibles à l'asymétrie de l'atmosphère. Pour mieux comprendre la nature tridimensionnelle des Jupiter chauds et ultra-chauds, j'ai commencé à travailler avec une équipe qui étudie des modèles atmosphériques. J'ai utilisé des spectres de transmission simulés de 18 modèles avec différentes périodes orbitales pour étudier comment les effets tridimensionnels influencent les mesures des observables à l'aide de spectres synthétiques unidimensionnels. Plus précisément, j'ai analysé la relation entre les décalages mesurés pour les observables d'une planète et la rotation de la planète ainsi que les vents atmosphériques. Les dégénérescences dans les études atmosphériques peuvent compliquer la récupération des paramètres et les scénarios inférés de formation et de migration des Jupiter chauds et ultra-chauds. Une solution proposée pour les résoudre consiste à combiner des jeux de données. Nous avons commencé à adapter le pipeline ATMOSPHERIX pour pouvoir effectuer combiner différents ensembles de données, que j'ai testés sur des données obtenues de WASP-76 b. Je présente les résultats préliminaires obtenus pour la combinaison des données SPIRou précédemment utilisées avec des données basse résolution de HST et Spitzer, ainsi qu'avec des données optiques haute résolution de MAROON-X. Bien que les résultats montrent un besoin d'améliorer nos algorithmes combinant les jeux de données, ils montrent aussi un potentiel. Dans l'ensemble, j'ai contribué au développement de la chaîne ATMOSPHERIX, un outil prometteur pour la communauté de la caractérisation atmosphérique des exoplanètes, et j'ai mis en évidence l'utilisation des données acquises par SPIRou dans les études atmosphériques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».