Evaluation du potentiel astrophysique à basse énergie de KM3NeT avec des techniques d'apprentissage profond
Evaluation of the low energy astrophysics potential of KM3NeT with deep learning techniques
par Meriem BENDAHMAN sous la direction de Antoine KOUCHNER et de Yahya TAYALATI
Thèse de doctorat en Sciences de la terre et de l'environnement
ED 560 Sciences de la terre et de l'environnement et physique de l'univers, Paris

Soutenue le lundi 11 décembre 2023 à Université Paris Cité , Université Mohammed V (Rabat)

Sujets
  • Neutrinos
  • Supernovae
  • Télescopes
Le texte intégral n’est pas librement disponible sur le web
Vous pouvez accéder au texte intégral de la thèse en vous authentifiant à l’aide des identifiants ENT d’Université Paris Cité, si vous en êtes membre, ou en demandant un accès extérieur, si vous pouvez justifier de de votre appartenance à un établissement français chargé d’une mission d’enseignement supérieur ou de recherche

Se connecter ou demander un accès au texte intégral

Les thèses de doctorat soutenues à Université Paris Cité sont déposées au format électronique

Consultation de la thèse sur d’autres sites :

Theses.fr

Description en anglais
Description en français
Mots clés
Neutrino, Supernova, KM3NeT, Ordre de masse, Multi-Détecteurs
Resumé
Les supernovae à effondrement du coeur (CCSNe) jouent un rôle fondamental dans la dynamique de l'Univers. SN1987A a souligné le rôle crucial des neutrinos provenant des étoiles à effondrement du coeur dans l'évolution des supernovae. Cette thèse s'articule autour de deux analyses visant à détecter et caractériser les neutrinos issus des supernovae galactiques. La première analyse évalue la capacité des télescopes KM3NeT à détecter les neutrinos MeV du CCSNe, même si ces énergies sont généralement inférieures au seuil du détecteur, en recherchant une augmentation du nombre de modules optiques digitaux (DOM) activés sur une courte période de temps. L'analyse présentée a pour objectif l'amélioration de la recherche actuelle de CCSN de KM3NeT en introduisant de nouvelles observables qui caractérisent la signature laissée par un neutrino à l'échelle du MeV sur un seul DOM. L'intégration de ces observables dans un Boosted Desicion Tree (BDT) permet d'augmenter la sensibilité de KM3NeT de 23%. La deuxième analyse explore le potentiel de synergie des expériences sur les neutrinos, d'autant plus que la prochaine génération de détecteurs à grande échelle explore un spectre plus large de saveurs et d'interactions de neutrinos. La combinaison d'observations en temps réel provenant de plusieurs expériences avec la complémentarité des saveurs des neutrinos pourrait permettre de lever les dégénérescences entre les informations relatives à la localisation des CCSNe, aux propriétés des progéniteurs et à celles des neutrinos. Une nouvelle approche est conçue pour extraire des informations sur les CCSN et les propriétés des neutrinos, même lorsque les observations des neutrinos sont déformées par des effets au-delà du modèle standard, atteignant une sensibilité de 3 sigma pour l'ordre de masse des neutrinos dans la galaxie entière. Les résultats ont également montré que les méthodes actuelles de localisation des CCSNe sont vulnérables aux effets de la nouvelle physique telle que les désintégrations à deux corps des neutrinos et que cette vulnérabilité peut étre atténuée grâce à l'intégration d'expériences complémentaires de saveur. Cette thèse comprend également une section axée sur les activités pratiques dédiées au montage de modules optiques digitaux pour la collaboration KM3NeT.