Détection et classification en temps réel des sursauts radio solaires pour la météorologie de l'espace // Real-Time Detection and Classification of Solar Radio Bursts for for Space Weather

Les éruptions solaires font partie des phénomènes naturels les plus puissants du Système solaire. Lorsqu'elles se produisent, elles projettent dans l'espace d'énormes quantités
d'énergie sous forme de lumière, de particules chargées et de champs électromagnétiques.
Ces événements peuvent perturber, voire endommager, les systèmes électriques et électroniques sur Terre et dans l'espace. Par exemple, certaines éruptions ont provoqué des
coupures de courant massives, comme le blackout qui a touché la Suède en 2003.
Parmi toutes les manifestations d'une éruption solaire, les ondes radio sont particulièrement intéressantes. Elles voyagent à la vitesse de la lumière et atteignent la Terre
bien avant les particules énergétiques ou les perturbations du champ magnétique. Leur
détection rapide permet non seulement de confirmer qu'une éruption vient de se produire,
mais aussi de déterminer son type, ce qui aide à anticiper ses effets potentiels.
L'objectif de cette thèse est de développer des méthodes automatiques pour détecter
et classifier ces sursauts radio solaires à partir de spectrogrammes. Les approches devront
être capables de fonctionner en temps réel, avec une grande robustesse, afin de fournir des
alertes fiables pour la météorologie de l'espace.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Solar flares are powerful natural phenomena in the Solar System. They release vast amounts of energy into space in the form of radiation, charged particles, and electromagnetic fields. Such events are capable of disrupting, and even damaging, electrical and electronic systems both on Earth and onboard spacecraft. Historical examples include large-scale power outages, such as the blackout that affected Sweden in 2003.

Among the diverse manifestations of solar flares, radio emissions are of particular interest. Propagating at the speed of light, they reach Earth significantly earlier than energetic particles or geomagnetic disturbances. Their prompt detection not only provides immediate confirmation of flare occurrence, but also enables flare type identification, which is essential for assessing their potential impact.

The aim of this thesis is to develop automated methods for the real-time detection and classification of solar radio bursts from spectrogram of data. The proposed approaches are required to be of high robustness and reliability, thereby providing timely and accurate alerts in support of space weather monitoring.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Autre financement public

ANR Financement d'Agences de financement de la recherche

Université d'Orléans

551 Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes - MIPTIS

Le/la candidat(e) devra posséder : — Une solide formation en mathématiques appliquées, incluant le traitement du signal et/ou des images. — Une bonne maîtrise des outils de modélisation et des représentations temps-fréquence. — Des compétences pratiques en programmation scientifique, idéalement en Matlab et/ou Python. — Des connaissances en physique des ondes électromagnétiques ou en astrophysique, considérées comme un atout. — Une expérience en statistiques avancées et en inférence bayésienne, qui constituera un plus. — Une possible familiarité avec le compressed sensing et la capacité à optimiser des algorithmes pour des applications temps réel, qui seront également valorisées
The candidate should have: - A strong background in applied mathematics, including signal and/or image processing. - Skills in modeling tools and time–frequency representations. - Practical skills in scientific programming, ideally in Matlab and/or Python. - Knowledge of electromagnetic wave physics or astrophysics, considered an asset. - Experience with advanced statistics and Bayesian inference, which will be regarded as a plus. Familiarity with compressed sensing and the ability to optimize algorithms for real-time applications, which will also be valued.