Retour sur les stages d’été iREx de 2019

Alors que nous nous préparons pour la rentrée scolaire, nous aimerions prendre un moment pour revenir sur le travail exceptionnel accompli par nos quatorze stagiaires d’été exceptionnels : un nombre record cette année! Vous pouvez en savoir plus sur les projets de recherche et sur l’expérience de Simon Delisle, Ariane Deslières, Danielle Dineen, Antoine Herrmann, Tareq Jaouni, Émilie Laflèche, Laurence Marcotte, Mathilde Papillon, Pierre-Alexis Roy, Thomas Vandal et Lan Xi Zhu en lisant les témoignages ci-dessous.

Simon Delisle

Stagiaire iREx de l’Université McGill, travaillant avec le Prof. Björn Benneke à l’Université de Montréal

Sur quoi portait ton stage?

Mon stage consistait à explorer une nouvelle approche utilisant les réseaux de neurones pour corriger un problème systématique du télescope spatial Spitzer.  La sensibilité du télescope aux photons n’est pas uniforme sur l’ensemble du détecteur, ce qui cause des variations dans le flux stellaire capté par le télescope en fonction d’où la lumière touche le capteur.  Durant l’entièreté des observations, l’endroit où la lumière touche le capteur peut varier, ce qui se traduit par une variation du flux stellaire avec le temps. Lorsque l’on veut capter de très petites variations de flux stellaire, comme lors d’une éclipse, ce problème systématique peut complètement cacher ce que l’on cherche.

Les méthodes actuellement utilisées pour faire face à ce problème le corrigent seulement partiellement en utilisant divers approximations.  Le but de mon projet était de voir si l’utilisation d’un réseau de neurone, un système permettant d’approximer des fonctions complexes, pouvait mieux performer que les méthodes actuellement utilisées.

Qu’est-ce qui est intéressant à propos de ce projet?

Ce projet mêlait à la fois l’astrophysique et l’apprentissage profond, c’était vraiment un projet interdisciplinaire.  Peu ou pas d’autres stagiaires utilisaient les mêmes outils que moi, alors j’ai trouvé ça intéressant de travailler sur quelque chose de complètement différent, même si avec cela venait aussi le problème que peu de personnes pouvaient m’aider.

D’un côté plus pratique, si un réseau de neurones pouvait mieux performer que les méthodes actuelles, cela permettrait de mieux contraindre les paramètres d’une exoplanète qui transite.

Qu’as-tu découvert? Quel est ton résultat le plus important?

J’ai confirmé que l’utilisation d’un réseau de neurones peut tout à fait corriger le problème systématique de Spitzer.  Une fois le réseau entraîné, il peut même être utilisé, jusqu’à un certain degré, sur d’autres ensembles de données (ce que les méthodes actuelles ne peuvent pas faire), quoique sa fiabilité reste à confirmer.

Par contre, il est difficile actuellement de dire si cette méthode est plus efficace que les autres.  Des prototypes semblent performer légèrement mieux que les méthodes actuelles, mais ces prototypes ne prennent pas en compte leur incertitude intrinsèque lors de l’analyse des résultats.  C’est d’ailleurs sur quoi je m’attelais à remédier à la toute fin de mon stage.

Qu’as-tu appris cet été?

Beaucoup de choses!  Bien sûr, j’ai appris énormément en astrophysique, particulièrement sur la science des exoplanètes, mais également en théorie des probabilités et en apprentissage profond. J’ai particulièrement appris sur l’analyse des spectres de transits, ainsi que sur les méthodes utilisées pour les analyser, comme la méthode de Monte-Carlo par chaînes de Markov.  J’ai également beaucoup appris sur le module Python Tensorflow ainsi que sur ses extensions qui étaient mes principaux outils de travail.

Qu’est-ce qui a été le plus gros défi?

Mon plus gros défi a été d’apprendre à utiliser Tensorflow et son extension Tensorflow Probability, car l’un a une documentation assez confuse et l’autre est toujours en développement actif, ce qui fait que les ressources en lignes sont peu nombreuses ou même se contredissent parfois.  Trouver la bonne façon de construire mon réseau de neurones a aussi été exigeant.

Qu’est-ce que tu as aimé le plus à propos de ton stage?

J’ai beaucoup aimé la façon dont mon superviseur, Björn Benneke, et ses étudiants\stagiaires avaient de nombreuses rencontres pour discuter des projets de tout et chacun.  Non seulement cela nous aidait pour nos projets respectifs, mais cela nous permettait aussi d’en apprendre plus sur les projets des autres, ce que je trouve tout aussi important afin d’élargir le plus possible ses connaissances et être plus polyvalent.

Ariane Deslières

Stagiaire Sureau de l’Université d’Ottawa, travaillant avec le Prof. René Doyon et le chercheur Étienne Artigau à l’Université de Montréal

Sur quoi portait ton stage?

Mon stage portait sur l’analyse des données obtenues avec l’instrument SPIRou, un spectropolarimètre infrarouge, afin d’obtenir un degré de précision de 1m/s sur les mesures de vitesses radiales d’un objet connu de la littérature scientifique.

Qu’est-ce qui est intéressant à propos de ce projet?

J’étais l’une des premières personnes à utiliser les données réduites en tant qu’utilisatrice et non développeur!

Qu’as-tu découvert? Quel est ton résultat le plus important?

Avec l’aide d’autres chercheurs, nous avons pu détecter Gl436b, une exoplanète orbitant l’étoile Gl436 avec une précision de 3m/s. Il s’agissait de la première exoplanète détectée avec SPIRou !

Qu’as-tu appris cet été?

Les notions de base de l’astronomie, je n’avais aucune expérience précédente en astrophysique. J’ai beaucoup appris sur la programmation ainsi que sur l’instrument SPIRou lui-même.

Qu’est-ce qui a été le plus gros défi?

Me familiariser avec toutes les notions d’astronomie!

Qu’est-ce que tu as aimé le plus à propos de ton stage?

J’ai adoré mon stage d’un mois au CFHT à Hawaii!

Danielle Dineen

Stagiaire Trottier de l’Université McMaster, travaillant avec le Prof. Jason Rowe à l’Université Bishop’s

Sur quoi portait ton stage?

Le but immédiat de mes recherches était d’établir les valeurs de masse et de rayon des planètes dans les systèmes Kepler multi-planétaires,ceux qui sont nécessaires pour déterminer la densité apparente. Ceci a été accompli en utilisant une technique de inférence bayésienne connue sous le nom de méthode de Monte-Carlo par chaînes de Markov. Les données utilisées étaient des données photométriques de Kepler. Le modèle utilisé était un modèle photodynamique, créé par mon superviseur Jason Rowe, utilisant les variations de moment de transits. Il s’agit de la variation du temps de passage moyen d’un corps devant un autre en raison d’interactions gravitationnelles avec des masses supplémentaires dans un système. Les paramètres d’importance étaient la masse de la planète et la profondeur du transit et ils ont été tracés sur une figure détaillée de la masse en fonction du rayon.

Qu’est-ce qui est intéressant à propos de ce projet?

L’intérêt de mes recherches réside dans l’importance des paramètres liés à la taille planétaire afin de mieux comprendre les systèmes solaires. Le rayon planétaire ainsi que la masse planétaire sont nécessaires pour déterminer la densité apparente d’une planète. Il s’agit d’une mesure essentielle pour déterminer la composition d’une planète. La connaissance de la composition d’une planète a deux conséquences majeures : la capacité de classifier la planète et de contraindre davantage les modèles de formation du système solaire.

Qu’as-tu découvert? Quel est ton résultat le plus important?

Les valeurs de rayon et de masse ont été établies pour 20 systèmes de KOI ayant chacun 2 à 7 planètes. Bien que les valeurs de rayon ait été établies pour ces systèmes, les méthodes utilisées précédemment afin de déterminer la masse des planètes étaient inefficaces et l’utilisation de cette technique a le potentiel de fournir des valeurs de masse à des planètes dont la masse était auparavant inconnue ou mal contraintes.

Qu’as-tu appris cet été?

En plus des connaissances conceptuelles que j’ai acquises, j’ai tiré de cette expérience une compréhension de ce qu’implique une vie en recherche. Je comprends maintenant mieux les divers rôles et exigences du poste ; j’ai rédigé des propositions de recherche, j’ai discuté de résultats nouveaux avec mes collègues et j’ai participé à divers projets interreliés.  De plus, j’ai appris en détail le processus de collecte, d’extraction et d’analyse des données, une procédure à suivre à maintes reprises.

Qu’est-ce qui a été le plus gros défi?

Le plus gros défi du projet était la quantité de calcul nécessaire. En raison du grand nombre de paramètres du modèle photodynamique, pour chaque système, le MCMC devait fonctionner pendant des millions d’itérations avant d’atteindre la convergence. Cela signifiait que je réexécutais constamment les chaînes, chaque sortie ajoutant environ 1 million d’itérations.

Qu’est-ce que tu as aimé le plus à propos de ton stage?

Ce que j’ai plus apprécié du stage était encadré par un scientifique respecté dans le domaine de l’astrophysique. Travailler pour apprendre de mon superviseur Jason Rowe a été une expérience tellement positive. Je suis très reconnaissable de l’opportunité de faire partie du groupe de recherche iREx et d’interagir avec tous les membres de l’équipe.

Antoine Herrmann

Stagiaire iREx de l’Université Paris-Sud, travaillant avec le Prof. René Doyon et le chercheur Loïc Albert à l’Université de Montréal

Sur quoi portait ton stage?

Le sujet de mon stage était : « Mesure de mouvement propre pour des objets de masse planétaire dans la région de formation stellaire du Taureau pour confirmer leur appartenance. »

Qu’est-ce qui est intéressant à propos de ce projet?

Ce projet m’a permis de découvrir comment mesurer les mouvements propres qu’ont les étoiles par rapport à nous. J’ai pu prendre le temps d’en apprendre plus sur les différents systèmes de coordonnées utilisés pour repérer les étoiles.

Qu’as-tu découvert? Quel est ton résultat le plus important?

Mon résultat le plus important a été de pouvoir conclure pour la plupart des objets de masse planétaire leur appartenance ou non à la région de formation stellaire du Taureau. Cela a nécessité beaucoup de précision dans mon analyse de données.

Qu’as-tu appris cet été?

J’ai beaucoup progressé en programmation au niveau de la rigueur de mes codes. J’ai également beaucoup appris en astrophysique grâce à mon maître de stage Loïc Albert qui m’a transmis tout au long du stage ses connaissances sur divers phénomènes et surtout comment bien interpréter nos divers résultats.

Qu’est-ce qui a été le plus gros défi?

Le plus gros défi a été tout au long du développement de mon code à chercher la plus grande précision possible pour aligner les différents relevés astrométriques venant de différentes années (de 2006 à 2018) afin d’avoir la mesure de mouvement propre la plus précise possible tout en réduisant au maximum les incertitudes sur la mesure de celle-ci.

Qu’est-ce que tu as aimé le plus à propos de ton stage?

J’ai beaucoup aimé mon sujet et l’atmosphère de travail de l’Institut de recherche sur les exoplanètes qui permet d’apprendre plein de choses et de partager cette passion pour l’astrophysique et les exoplanètes.

Tareq Jaouni

Stagiaire iREx de l’Université d’Ottawa, travaillant avec le Prof. Björn Benneke à l’Université de Montréal

Sur quoi portait ton stage?

J’ai effectué une analyse de données sur les vitesses radiales stellaires obtenues par spectroscopie haute résolution afin de mieux contraindre les masses des planètes. L’une des tâches clés de ce projet consistait à prendre en compte les signaux parasites induits par une activité stellaire et qui étaient résolus dans le régime à haute résolution en même temps que les signaux planétaires réels. J’ai utilisé la régression par processus gaussien conjointement avec des données photométriques pour obtenir une estimation du signal d’activité stellaire et informer notre modèle de vitesse radiale de cette forme de bruit corrélé.

Qu’est-ce qui est intéressant à propos de ce projet?

Il est nécessaire de mesurer les vitesses radiales à l’aide de la spectroscopie haute résolution en raison du degré élevé de précision requis pour résoudre les décalages spectraux induits par des planètes plus petites et semblables à la Terre. Cependant, opérer dans le régime à haute résolution comporte un compromis puisque les signaux induits en raison d’une activité stellaire peuvent également être résolus dans ces mesures de vitesse radiale. Plus dangereux encore, ces signaux d’activité stellaire peuvent embrouiller l’estimation de la masse ou même se faire passe pour des planètes elles-mêmes en raison de leur nature quasi-périodique. Il est donc extrêmement intéressant de trouver un moyen de prendre en compte ces signaux afin de mieux contraindre le signal de vitesse radiale de la planète et donc sa masse, ainsi que la densité apparente et la composition de la planète dont l’extrapolation dépend de cette masse.

Qu’as-tu découvert? Quel est ton résultat le plus important?

J’ai pu obtenir une meilleur contrainte sur masse de la planète extrêmement excentrique WASP-107c (ayant une masse près de celle de Jupiter), à l’aide d’un ajustement de vitesse radiale informé par régression par processus gaussien – la contrainte est à peu près le double de celle qu’elle serait sans l’utilisation d’un processus de Gaussien.  Cela atteste de la viabilité de cette procédure afin de l’utiliser sur des données obtenues à partir des spectrographes à haute résolution, tels que SPIRou et NIRPS, ainsi que des données photométriques appropriées.

Qu’as-tu appris cet été?

Avant le début de mon stage, je n’avais que peu d’expérience formelle en statistiques et en analyse de données. J’ai donc dû assimiler ces concepts afin de mettre en œuvre ma procédure d’ajustement de la vitesse radiale. J’ai également pu apprendre à exploiter les résultats présentés dans des articles scientifiques et à les incorporer dans ma procédure, ce qui me semblait être une compétence particulièrement importante à acquérir dans le contexte plus large de la recherche indépendante.

Qu’est-ce qui a été le plus gros défi?

Le stage a été le plus difficile au début, lorsque j’ai dû lutter contre les nombreux concepts inconnus que j’allais éventuellement devoir utiliser plus tard. Il n’y avait pas assez de temps pour mener à bien le processus d’enseignement formel auquel on était habitué à mon université, alors j’ai eu une séance de lecture intensive pour assimiler la plupart de ces concepts avant de chercher à appliquer les algorithmes abstraits que j’avais lu dans mes livres. Cela dit, je n’étais pas censé maîtriser immédiatement ces concepts et, lorsque j’ai dû appliquer ces concepts de manière intensive, c’était davantage pour l’interprétation des résultats que pour leur mise en œuvre dans mes algorithmes.

Qu’est-ce que tu as aimé le plus à propos de ton stage?

J’apprécie énormément de pouvoir aborder un problème n’importe où, à n’importe quel moment et de la manière que je juge efficace. J’ai donc apprécié l’autonomie qui m’a été offerte tout au long de ce stage. J’ai également été agréablement surpris par la décontraction de la communauté de l’iREx, ce qui a conduit à des expériences merveilleusement inhabituelles que je n’aurais jamais imaginées se produire dans ce cadre.

Émilie Laflèche

Stagiaire Trottier de l’Université McGill, travaillant avec le Prof. Nicolas Cowan à l’Université McGill

Sur quoi portait ton stage?

Résoudre le problème inverse d’exocartographer, un outil qui nous permettra de générer des cartes de surface des exoplanètes simulées en utilisant leurs courbes de lumière réfléchie.

Qu’est-ce qui est intéressant à propos de ce projet?

Bien que exocartographer soit conçu pour être utilisé avec des données simulées, l’objectif à long terme est de l’utiliser pour la conception et le développement des futurs télescopes d’imagerie directe. En outre, le programme peut continuer d’être développé et amélioré pour être utilisé dans le traitement des données réelles obtenues dans le cadre de ces missions.

Qu’as-tu découvert? Quel est ton résultat le plus important?

La méthode de computation utilisée auparavant par l’outil exocartographer, la méthode de Monte Carlo à chaîne de Markov (MCMC), était inefficace en termes de temps et de précision pour calculer des valeurs pour différentes combinaisons de paramètres inconnus. Claude Cournoyer-Cloutier, l’étudiante précédente travaillant sur ce projet, a déterminé que lorsque la période de rotation est un paramètre inconnu, l’utilisation de la méthode de Parallel Tempering (PT) est plus précise et prend considérablement moins de temps que celle de MCMC. J’ai pu le confirmer en reproduisant son expérimentation et en testant l’idée avec d’autres combinaisons de paramètres inconnus. Je peux aussi maintenant émettre l’hypothèse que lorsque la période de rotation est incluse dans l’ensemble des inconnues, la méthode de PT doit être utilisé.

Qu’as-tu appris cet été?

Ayant eu une exposition minimale aux statistiques bayésiennes et au codage Python avant ce projet, j’ai beaucoup appris sur ces deux sujets et je me sens à l’aise de les utiliser pour mes projets de recherche futurs. De plus, comme il s’agissait de ma première expérience de recherche au niveau universitaire, j’ai beaucoup appris sur le partage d’idées avec un groupe de recherche et sur la façon de communiquer mes résultats aux professeurs et aux collègues.

Qu’est-ce qui a été le plus gros défi?

Au début de mon projet, j’ai eu du mal à résoudre des problèmes mineurs mais qui prenaient beaucoup de temps, comme par exemple faire fonctionner correctement le code. Comprendre la théorie derrière mon projet était également un défi pour moi au début. Pour résoudre ce dernier problème, j’ai posé plus de questions à ce sujet lors de rencontres individuelles avec mon superviseur, et je me suis entraîné en expliquant le projet en détail à d’autres étudiants, ce qui m’a beaucoup aidé à développer ma confiance !

Qu’est-ce que tu as aimé le plus à propos de ton stage?

J’ai adoré la façon dont j’ai appris tout cet été d’une manière très pratique, ce que je trouve particulièrement utile pour des sujets comme le codage. J’ai découvert qu’en recherche, le processus peut être difficile, mais il est extrêmement gratifiant à la fin, et je me suis sentie très soutenue par mon groupe de recherche et par mes camarades de premier cycle tout au long du processus. J’ai aussi eu la chance de travailler à la recherche de pointe aux côtés d’experts dans le domaine en tant qu’étudiante, et je recommanderais cette opportunité à toute personne intéressée à poursuivre une carrière dans la recherche à l’avenir.

Laurence Marcotte

Stagiaire Trottier de l’Université de Montréal, travaillant avec le Prof. Björn Benneke et le Prof. René Doyon à l’Université de Montréal

Sur quoi portait ton stage?

Mon stage portait sur la caractérisation de l’atmosphère de la planète GJ1214b à l’aide de la technique de spectroscopie à haute résolution (High Resolution spectroscopy technique ou HRS). Cette méthode permet de trouver la composition chimique de l’atmosphère d’une exoplanète à l’aide de spectres du système, dans lesquels on peut isoler le spectre de transmission de la planète pendant un transit ou le spectre d’émission juste avant la seconde éclipse. En quelques mots, la méthode de spectroscopie à haute résolution va comparer les spectres de la planète avec des modèles d’atmosphère et va tenter de trouver celui qui convient le mieux. Les données que j’avais de GJ1214b ont été prises lors d’un transit de la planète par l’instrument SPIRou au CFHT. J’avais 11 expositions de 10 minutes chacune ce qui n’était pas suffisant pour employer la méthode HRS adéquatement. Une grande partie de mon projet a alors été d’essayer de diviser ces expositions de 10 minutes en expositions de 2 minutes ce qui était possible grâce à la façon dont SPIRou est fait.

Qu’est-ce qui est intéressant à propos de ce projet?

GJ1214b est une exoplanète très étudiée en raison du fait qu’elle est assez facile à observer et qu’elle est une Super-Terre. On peut donc tester certaines méthodes et instruments sur GJ1214b afin de se préparer pour les futures exoplanètes et Super-Terres à découvrir et à étudier. C’était une des motivations de mon projet, c’est-à-dire de tester la méthode de spectroscopie à haute résolution sur une planète telle que GJ1214b avec des données de SPIRou afin de se préparer à l’utiliser sur des futurs télescopes sur Terre.

Qu’as-tu découvert? Quel est ton résultat le plus important?

Je n’ai pas réussi à caractériser l’atmosphère de GJ1214b, mais j’ai réussi à diviser les 11 expositions de 10 minutes en 55 expositions de 2 minutes ce qui m’a permis d’utiliser la méthode de spectroscopie à haute résolution. La méthode n’a pas donné de résultat jusqu’à maintenant, mais je n’ai eu le temps que de comparer les spectres avec un seul modèle d’atmosphère. Il est donc encore possible d’utiliser les données de SPIRou pour tenter de caractériser l’atmosphère en comparant avec d’autres modèles ainsi qu’en adaptant davantage la réduction des données à celles de SPIRou.

Qu’as-tu appris cet été?

J’ai appris beaucoup de choses sur la statistique bayésienne. J’ai aussi eu la chance de pratiquer à coder en Python dans un contexte différent d’un cours. J’en ai appris davantage sur comment certains instruments comme SPIRou fonctionnent.

Qu’est-ce qui a été le plus gros défi?

Le plus gros défi a certainement été de diviser chaque exposition de 10 minutes en 5 expositions de 2 minutes. Il fallait comprendre en bonne partie comment l’instrument fonctionne ainsi que la façon dont la réduction des données est faite pour pouvoir passer des données brutes aux spectres.

Qu’est-ce que tu as aimé le plus à propos de ton stage?

L’ambiance à l’iREx est vraiment géniale.

Mathilde Papillon

Stagiaire Trottier de l’Université McGill, travaillant avec le Prof. Björn Benneke à l’Université de Montréal

Sur quoi portait ton stage?

Pendant mon stage avec Björn Benneke, j’ai travaillé avec des données du satellite TESS, présentement en orbite. Entre autres, j’ai analysé la courbe de lumière de l’étoile WASP19, qui contient les transits et éclipses de la Jupiter chaude WASP19b. En utilisant le pipeline ExoTep (et beaucoup de patience), j’ai comparé les profondeurs des transits/éclipses en ajustant les données simultanément versus individuellement. Pour m’assurer que je comparais uniquement la profondeur des ajustements et que l’ajustement individuel n’était pas désavantagé, j’ai utilisé une distribution antérieure basée sur la covariance de l’ajustement simultané pour les ajustements individuels.

Qu’est-ce qui est intéressant à propos de ce projet?

Mon projet répond à la question : est-ce que plusieurs petites observations peuvent donner le même résultat qu’une seule observation de plus haute qualité? De façon plus générale, on se demande si la quantité de données peut compenser pour la qualité de données. C’est particulièrement important pour un satellite comme TESS qui prend énormément de données, mais qui sont souvent plus bruyantes.

Qu’as-tu découvert? Quel est ton résultat le plus important?

Mon analyse de WASP19b montre qu’on obtient la même profondeur des transits et éclipses en analysant les données séparément et ensemble. C’est un succès!

Qu’as-tu appris cet été?

J’ai beaucoup appris au sujet de la programmation orientée objet (merci ExoTep), les statistiques bayésiennes, ainsi que sur le processus de prise de données (j’ai adoré observer au télescope du Mont Mégantic). Sans oublier les exoplanètes en général.

Qu’est-ce qui a été le plus gros défi?

Mon plus grand défi à sûrement été les erreurs de code. C’est facile de se décourager quand ça fait plusieurs heures qu’on tente de faire rouler un code, puis quand on demande de l’aide à quelqu’un, ça leur prend une minute à régler le problème.

Qu’est-ce que tu as aimé le plus à propos de ton stage?

La communauté à l’IREX assure un environnement vraiment accueillant qui fait toute la différence. J’ai particulièrement aimé tisser des liens avec les stagiaires. Sans oublier faire des beaux graphiques avec mes résultats. Il n’y a rien comme trouver la palette de couleurs *parfaite* pour souligner de beaux résultats.

Pierre-Alexis Roy

Stagiaire iREx de l’Université McGill, travaillant avec le Prof. Björn Benneke à l’Université de Montréal

Sur quoi portait ton stage?

Le but de mon projet de stage était de modéliser la planète Terre de manière cohérente à l’aide du programme SCARLET. SCARLET est un programme informatique utilisé pour créer des modèles d’atmosphère d’exoplanète et pour ensuite comparer ces modèles à des observations. Le programme a tout d’abord été conçu pour modéliser des planètes plus grosses et plus chaudes (comme des Jupiters chaudes) et mon travail consistait à adapter le code pour que nous puissions modéliser la Terre et du même coup, des planètes plus froides et semblables à la Terre.

Qu’est-ce qui est intéressant à propos de ce projet?

Il s’agit d’un projet intéressant puisque cela nous permet de voir ce à quoi ressemblerait la Terre ou des planètes similaires si nous les regardions de très loin. Il s’agit aussi d’un pas intéressant pour notre programme SCARLET dans la recherche d’exoplanètes abritant des biosignatures ou des caractéristiques semblables à celles de l’atmosphère terrestre. Le fait d’étudier la Terre nous a aussi permis d’évaluer la performance de notre code puisque nous connaissons très bien l’atmosphère de notre planète.

Qu’as-tu découvert? Quel est ton résultat le plus important?

Puisque j’ai travaillé sur divers aspects des modèles du programme SCARLET, il est difficile d’isoler une découverte ou un résultat plus important. Par ailleurs, de belles additions au programme sont, par exemple, l’implémentation de la présence d’une couche épaisse de nuages dans le spectre d’émission thermale (lumière émise directement par la planète) ou encore la complétion de nos données d’absorption moléculaires pour une atmosphère terrestre comme l’ajout de l’ozone qui nous a permis d’étudier son effet sur l’inversion de température dans notre atmosphère (à la couche d’ozone).

Qu’as-tu appris cet été?

Durant ma recherche cet été, j’ai appris beaucoup à propos de l’astrophysique et de la recherche sur les exoplanètes en général. J’ai appris à propos des différentes méthodes de détection des exoplanètes, comment retrouver un signal planétaire dans des données, etc. Des rencontres hebdomadaires avec mon groupe de recherche et avec l’iRex m’ont permis d’en apprendre beaucoup sur différentes sphères de la recherche en exoplanètes, même si je ne travaillais pas spécifiquement sur ces sujets. J’ai aussi appris beaucoup de choses sur les méthodes d’analyses de données plus avancées et sur les algorithmes communément utilisés en astrophysique. J’ai également beaucoup appris sur la planète Terre ainsi que sur son atmosphère cet été puisque ma recherche portait principalement sur notre planète et cela s’est révélé très intéressant et instructif. Finalement, bien sûr, j’ai énormément appris sur la programmation en général puisque cela représentait la majeure partie de mon travail.

Qu’est-ce qui a été le plus gros défi?

Le plus gros défi pour moi cet été a clairement été d’apprendre à travailler avec le programme SCARLET. SCARLET est un gros programme complexe et il m’a fallu un temps considérable afin de comprendre son fonctionnement au point d’être capable de le modifier. Beaucoup de «ctrl-f» ont été nécessaires au début, mais je crois bien que j’ai développé une bonne compréhension de la façon dont SCARLET fonctionne et cela m’en a beaucoup appris sur la programmation orientée objet.

Qu’est-ce que tu as aimé le plus à propos de ton stage?

Cet été, j’ai découvert un domaine de recherche vraiment intéressant dans l’astrophysique et la recherche en exoplanètes. J’ai vraiment été passionné par le travail qui est fait ici à l’iRex. Également, j’ai beaucoup aimé l’ambiance à l’iRex. Tous les gens sont très accueillants et investis dans leur travail et il est réellement agréable de faire partie de cette communauté scientifique. J’ai aussi développé une relation d’entraides très amicales avec mes collègues stagiaires, et c’était très agréable de travailler à leurs côtés.

Thomas Vandal

Stagiaire iREx de l’Université McGill, travaillant avec le Prof. René Doyon à l’Université de Montréal

Sur quoi portait ton stage?

Mon stage portait sur l’utilisation des processus gaussiens dans la modélisation de l’activité stellaire de Beta Pictoris, une étoile jeune et active. Il s’agissait de la continuation du projet que j’ai entamé lors de mon stage l’été dernier. L’objectif final était de soustraire le bruit stellaire causé par les pulsations de l’étoile dans les données de vitesse radiale afin de contraindre la masse de la planète Beta Pictoris b. L’été passé, nous avions principalement étudié l’efficacité de différentes fonctions de covariance. Nous avions également utilisé des approximations pour estimer la masse puis, à l’automne, nous avions intégré l’utilisation d’orbites képlériennes à notre méthode. Cet été, j’ai travaillé sur l’implémentation d’un module permettant d’utiliser les processus gaussiens dans la modélisation des vitesses radiales. J’ai ensuite utilisé ce module pour chercher un signal planétaire dans les données de Beta Pictoris, puis sur des données simulées afin de tester les limites de la méthode.

Qu’est-ce qui est intéressant à propos de ce projet?

Tout d’abord, Beta Pictoris représente un rare cas de planète directement imagée autour d’une étoile pour laquelle des données de vitesse radiale sont disponibles. Des mesures de la masse ont été faites récemment par astrométrie. Une mesure par la méthode des vitesses radiales permettrait une autre confirmation de ces résultats. De plus, la méthode des processus gaussiens appliquée aux vitesses radiales est généralement utilisée pour des étoiles à plus faible activité avec des planètes ayant une période plus courte. Beta Pictoris représente donc une opportunité intéressante de tester l’efficacité des processus gaussiens dans un scénario où l’étoile est très active et où la période est relativement longue (plus de 20 ans).

Qu’as-tu découvert? Quel est ton résultat le plus important?

En modélisant conjointement un processus gaussien et une orbite képlérienne, nous avons détecté ce qui semblait être un signal planétaire, mais plusieurs facteurs pouvaient influencer ce résultat: contraintes sur les paramètres, choix de paramétrisation ou même une possible planète additionnelle dans le système. Nous avons ensuite testé notre modèle sur des données simulées similaires aux vitesses radiales de Beta Pictoris. Nous avons constaté que nous étions très près des limites de détection et que le signal n’était peut-être pas causé par Beta Pictoris b uniquement. Pendant ce temps, la découverte d’une seconde planète dans le système, grâce à une méthode différente, fut annoncée. D’autres tests seraient donc nécessaires afin de comprendre l’impact de cette seconde planète sur la méthode des processus gaussiens. Sur un plan plus technique, le module que nous avons implémenté est polyvalent et peut être ajusté rapidement pour étudier différents systèmes. Des tests effectués sur des données déjà publiées et sur des données simulées se sont avérés concluants. Cet outil pourrait donc facilement être réutilisé dans le futur.

Qu’as-tu appris cet été?

Afin d’écrire des codes efficaces, j’ai approfondi mes connaissances à propos de la programmation orientée objet, des processus gaussiens, de la méthode de Monte-Carlo par chaînes de Markov et des vitesses radiales. J’ai aussi appris beaucoup sur l’astrométrie afin de pouvoir bien comprendre la littérature liée à Beta Pictoris.

Qu’est-ce qui a été le plus gros défi?

L’écriture d’un module Python complet fut un défi de taille. J’étais habitué d’écrire des codes plus courts destinés à une utilisation directe, mais un module complet demandait beaucoup plus d’organisation et de soucis envers l’efficacité et la qualité. Un autre défi fut d’apprendre à prendre un pas de recul lors des multiples tests sur les données de Beta Pictoris afin de bien orienter les prochaines étapes en fonction des résultats obtenus.

Qu’est-ce que tu as aimé le plus à propos de ton stage?

J’ai beaucoup aimé l’environnement de travail à l’iREx. J’ai aussi apprécié de pouvoir continuer à travailler sur un projet que j’avais déjà débuté. Ceci m’a permis de vivre une expérience de recherche à plus long terme et de prendre part à des étapes plus avancées d’un projet.

Lan Xi Zhu

Stagiaire iREx de l’Université McGill, travaillant avec le Prof. Nicolas Cowan à l’Université McGill

Sur quoi portait ton stage?

Mon but était d’améliorer un site WEB existant, nommé Climate App, qui sert à développer une intuition chez son audience sur l’effet de serre atmosphérique et sur le changement climatique. Cette application calcule la température à la surface d’une planète selon des paramètres planétaires donnés.

Qu’est-ce qui est intéressant à propos de ce projet?

C’est la première fois que je développais un site web. Comme c’est un outil pédagogique, il sera testé  immédiatement lors de la rentrée scolaire. C’est à la fois stressant et excitant.

Qu’as-tu découvert? Quel est ton résultat le plus important?

J’ai réussi à améliorer le modèle mathématique utilisé dans la précédente version qui calcule la température de la surface planétaire selon les propriétés de la planète, en considérant plus de paramètres qu’auparavant. La nouvelle version est maintenant disponible sur : https://climateapp.ca/.

Qu’as-tu appris cet été?

J’ai appris à utiliser JavaScript qui est un nouveau langage de programmation pour moi. J’ai aussi appris le dynamique des groupes de recherche en travaillant avec le groupe de mon superviseur.

Qu’est-ce qui a été le plus gros défi?

Il était assez difficile d’analyser les codes écrits par le contributeur précédent du site Web et d’ajouter de nouvelles fonctionnalités au site Web à partir de ces codes, car je ne connaissais pas le langage de programmation en question.

Qu’est-ce que tu as aimé le plus à propos de ton stage?

Ce stage m’a initié au processus général de recherche scientifique, expérience très précieuse pour moi. De plus, je me suis sentie accomplie d’avoir réalisé quelque chose qui serait réellement utile dans un contexte pédagogique.