Soutenance de thèse de EZZIATI Meriam
Titre de thèse
Searching for high-z quasars in the Euclid Wide Survey
Searching for high-z quasars in the Euclid Wide Survey
Résumé de la thèse
Les quasars et les galaxies à haut redshift nous permettent d'explorer l'univers primordial, et en particulier l'époque de la réionisation, à un redshift z = 7,7 ± 0,7, et nous donnent un aperçu de la formation des trous noirs supermassifs à cette époque. C'est pourquoi l'observation de l'univers primordial est une priorité pour de nombreuses missions spatiales, notamment EUCLID (lancement en juillet 2023) et JWST (lancement en décembre 2021). Les données fournies par EUCLID nous aideront à observer des centaines de quasars à un redshift z > 7, des dizaines de quasars à un redshift z > 8 et des milliers de galaxies à un redshift z > 7. Cependant, les naines brunes et les galaxies précoces à un redshift intermédiaire ont les mêmes couleurs que les objets à grand redshift et sont susceptibles de contaminer la sélection. Pour éviter cette confusion, des outils statistiques sont nécessaires pour faciliter la sélection des objets à haut redshift.
La sélection bayésienne a été développée et utilisée pour sélectionner les quasars à grand redshift dans les études dans l'infrarouge lointain. Ces méthodes sont basées sur des modèles détaillés des objets à haut-redshift et des populations contaminantes. La sensibilité d'EUCLID va explorer les domaines de l'espace des paramètres non couverts par ces modèles et des modèles plus sophistiqués doivent être construits.
Dans cette thèse, nous commençons par renforcer les modèles des objets à grand redshift et des populations contaminantes ainsi que le modèle de la sélection bayésienne. Les modèles sont basés sur des données spectrales et morphologiques, et prennent en compte les fonctions de luminosité des populations d'objets à grand redshift, ainsi que les galaxies précoces et la distribution des naines brunes. D'un point de vue statistique, le principal défi consiste à construire un algorithme flexible qui calcule la probabilité marginale des modèles à une échelle appropriée, en tenant compte du nombre d'objets concernés. L'aspect le plus important du travail consiste à tester et valider les performances sur des simulations afin d'estimer la complétude et la pureté de l'échantillon sélectionné, mais aussi de récupérer les galaxies et quasars à grand redshift détectés jusqu'à présent, afin d'assurer notre capacité à en détecter de nouveaux. Le modèle et les outils sont ensuite appliqués aux premiers ensembles de données EUCLID.
Thesis resume
Quasars and galaxies at high redshift allow us to explore the primordial universe, particularly the epoch of reionisation at a redshift z = 7.7 ± 0.7. They also give us insights into the formation of supermassive black holes at that time.
This is why observing the primordial universe is a priority for many space missions, including EUCLID (launch in July 2023) and JWST (launch in December 2021). EUCLID's data will help us understand hundreds of quasars at redshift z > 7, dozens of quasars at redshift z > 8 and thousands of galaxies at redshift z > 7. However, brown dwarfs and early-type galaxies at intermediate redshift have the same colours as high redshift objects and are likely to contaminate the selection. To avoid this confusion, statistical tools are needed to facilitate the selection of high redshift objects.
In wide-infrared studies, bayesian selection has been developed and used to select high-redshift quasars. These methods are based on detailed models of the high redshift object and the contaminating population. The sensitivity of EUCLID will explore areas of parameter space that these models have not taken into account, and more sophisticated models will need to be developed. In this thesis, we begin by strengthening the high redshift quasars and contaminant population models and the Bayesian selection model. The models are based on spectral and morphological data and consider the luminosity functions of the populations of high-redshift quasars, early-type galaxies and the distribution of brown dwarfs. From a statistical point of view, the main challenge is to build a flexible algorithm that calculates the marginal probability of models on a suitable scale, considering the number of objects involved. The most important aspect of the work will be to test the performance on simulations to estimate the completeness and purity of the selected sample and recover the high-redshift galaxies and quasars detected so far to ensure our ability to detect new ones. The model and tools are then applied to the initial EUCLID data sets.