Séminaire du 13/07/2017, 14h00

jeudi 13 juillet 2017, 14h00

Évaluation de l’algorithme de Monte Carlo hamiltonien pour la décomposition de spectres en imagerie astronomique

Conférencier : Argheesh Bhanot

L'étude de la cinématique interne des galaxies est l'une des clés pour comprendre l'histoire et l'évolution de l'Univers. Certains télescopes fournissent des images multispectrales, c'est-à-dire des images dont chaque pixel est un spectre de raies. L'analyse de ces images est, encore maintenant, effectuée visuellement ou en utilisant des procédures bas niveau. Une analyse plus fine et moins fastidieuse requiert des algorithmes performants de traitement d'image. Plus précisément, il s'agit de décomposer les spectres, c'est-à-dire estimer le nombre et les paramètres (longueur d'onde, amplitude et largeur) des raies.

Les méthodes MCMC (Méthode de Monte Carlo par chaînes de Markov) permettent d'effectuer efficacement la décomposition de spectres [1,2]. Dans ce contexte, l'objectif du stage est d'évaluer les performances de la méthode HMC (Monte Carlo hamiltonien) [3]. Dans un premier temps, la mécanique hamiltonienne sera présentée, puis son intégration dans l'algorithme HMC. Puis, nous comparerons les performances de cet algorithme avec les méthodes MCMC classiques sur certains exemples. On présentera ensuite de l'utilisation de l'algorithme HMC dans un problème avec contraintes (Wall HMC) ainsi que d'autres variantes (Riemanian HMC, Wormhole HMC) qui peuvent être utiles pour quelques problèmes. On terminera avec l'évaluation de l'algorithme HMC pour la décomposition de spectres.