Jérôme Bobin: Non-LinEar sigNal processing for solving data challenges in Astrophysics (LENA)

StG 2015, Institution-hôte : CEA

Chercheur au Laboratoire Astrophysique Interprétation Modélisation - AIM (CEA / Université Paris-Diderot / CNRS) Jérôme Bobin

Jérôme Bobin est diplômé de l'Ecole Normale Supérieure de Cachan et de l'Université Paris-Sud. De 2005 à 2008, il a effectué sa thèse au CEA sur la séparation de composantes et son application pour l'estimation du fond diffus cosmologique à partir des données Planck. De 2008 à 2010, il a effectué un séjour post-doctoral dédié à l'échantillonnage compressé (compressed sensing) et ses applications au sein du département de mathématiques appliquées du California Institute of Technology (CalTech) puis à l'Université de Stanford.

Il a rejoint le CEA en 2010 et s'intéresse au développement de méthodes mathématiques pour l'analyse de données en cosmologie dans le laboratoire de Cosmologie et Statistiques (LCS).

Le projet ERC

Non-LinEar sigNal processing for solving data challenges in Astrophysics (LENA)

Domaine de recherche d'importance en mathématiques appliquées, le traitement d'image joue un rôle central en astrophysique pour résoudre des problèmes aussi divers que la reconstruction de cartes de matière noire ou celle du fond diffus cosmologique. Afin d'extraire de manière précise l'information contenue dans les observations astrophysiques, il est crucial de procéder à un traitement des données permettant de corriger les effets physiques et instrumentaux délétères pour leur exploitation. A cette fin, il est bien établi que la construction de méthodes efficaces de traitement de données se fonde sur un ingrédient essentiel: la modélisation précise des propriétés des images ou signaux à extraire.

Pour l'heure, les méthodes mathématiques les plus performantes font usage de la modélisation dite parcimonieuse des données. Néanmoins, de tels modèles ne permettent pas de décrire de façon précise les propriétés intrinsèques, généralement non-linéaires, des données, qui sont le plus souvent reliées intimement à la physique sous-jacente. En conséquence, cette limite fondamentale réduit très fortement notre capacité à analyser et donc à exploiter les observations astrophysiques.

Le projet LENA (pour "Non-Linear sigNal processing for solving data challenges in Astrophysics") a pour objectif d'explorer de nouvelles méthodes de traitement d'images, fondées sur une approche innovante combinant à la fois le concept de parcimonie avec des modèles non-linéaires physiques.

Ce projet conduira à la fois à l'étude de nouveaux modèles pour l'imagerie à l'interface du traitement du signal et de l'apprentissage statistique, et au développement de nouvelles approches numériques pour l'analyse des données. Grâce à ces développements, le projet LENA devrait permettre une meilleure compréhension des données du satellite Planck ainsi que la mise en oeuvre des outils nécessaires à la résolution des futurs défis d'analyse de données posés par la mission spatiale Euclid.