Period Search and Forecasting Techniques in Gamma-ray Active Galactic Nuclei with a Time-Domain Formalism - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Period Search and Forecasting Techniques in Gamma-ray Active Galactic Nuclei with a Time-Domain Formalism

Utilisation d'un formalisme du domaine temporel pour la recherche de périodes et la prédiction de l'évolution temporelle des noyaux actifs de galaxie

Héctor Rueda
  • Fonction : Auteur
  • PersonId : 1318175
  • IdRef : 273459716

Résumé

This thesis addresses the problem of identifying binary black holes (BBH) by developing and applying period search algorithms to high-energy (HE) Active Galactic Nuclei (AGN) light curves. The recent discovery of gravitational waves (GW) and the expected supermassive BBH (SMBBH) detection make this problem particularly relevant. Detecting periodic modulations in AGN fluxes can provide clues to potential SMBBH candidates. To achieve this, we need to accurately extract the period from the emission while separating it from other components, especially stochastic noise.We begin with a discussion of different physical models proposed to explain periodic emission in AGN systems, followed by a literature review of gamma-ray sources where periodicity or quasi-periodic oscillations have been observed.Two projects related to the development of Imaging Atmospheric Cherenkov Telescopes (IACTs) are presented. The first project focuses on Very Large Zenith Angles observations with the High Energy Stereoscopic System (H.E.S.S.). This improves the possible range of observations zenith angle, which allows for the detection of the highest energy spectrum of the gamma-ray sky and increases the amount of time available to follow-up alerts such as for GW. The second project involves calibrating the timing system of the NectarCAM camera for the Cherenkov Telescope Array (CTA), the next generation of IACTs.The main focus of the thesis is on developing and applying periodicity search algorithms to high-energy AGN light-curves. A time-domain approach is employed to describe the stochastic colored noise present in AGN emission, using auto-regressive (AR) noise models for regularly spaced data and continuous-time AR (CAR) models for irregularly sampled data. A Markov Chain Monte Carlo (MCMC) algorithm is developed to retrieve parameters describing periodic terms, linear drifts, and correlated flux points due to colored noise. Information theory is utilized to compare different MCMC models, considering the fit to the observed data and penalizing model complexity. A spectral-domain periodicity search method based on Lomb-Scargle Periodograms is introduced for cross-validation.Finally, the stochastic components of each source are deeper studied by applying a Power Spectral Density (PSD) analysis.The algorithm is applied to various gamma-ray data sets. First, regularly sampled data from 27 Fermi-LAT periodic AGN candidates are analyzed using auto-regressive models. With these results, we can investigate the variability of the period and amplitude of oscillating terms, providing constraints for different physical models.Next, we use the Fermi-LAT Light-Curve Repository, where more than 1500 variable gamma-ray AGN light-curves are available. Some sources from this dataset have flux upper limits, which are treated as missing points for this analysis. Thus, we have a sample of irregularly spaced data to analyze using the CAR models for the stochastic component. Here, several periodic sources are found, among which more than half are new candidates.We also apply the algorithm to H.E.S.S. data, which has significant flux gaps and irregular sampling. Although statistically assessing periodic oscillation in this type of data is challenging, information about correlated noise and the PSD of the H.E.S.S. sources can be obtained.Finally, the MCMC output parameters are used to predict future HE flux behavior, allowing for optimized observation strategies. The forecasting techniques are validated on a separate data set before being applied to predict the timing and amplitude of periodic flux variations in AGNs, particularly relevant for SMBBH.The thesis concludes with a summary of the project's findings, implications, and suggestions for future work to improve the analysis, enhance our understanding of the physics involved, and explore new lines of research.
Cette thèse aborde le problème de l'identification des trous noirs binaires (BBH) en développant et en appliquant des algorithmes de recherche de périodicité aux courbes de lumière des Noyaux Actifs de Galaxie (AGN) à haute énergie (HE). La découverte récente des ondes gravitationnelles (GW) et la détection correspondante de BBH supermassifs (SMBBH) ont rendu ce problème particulièrement pertinent. La détection de périodicités dans les flux AGN peut fournir des indices sur les candidats SMBBH. Pour ce faire, nous devons extraire la période de l'émission en la séparant du bruit stochastique.Le manuscrit débute par une discussion des différents modèles physiques proposés pour expliquer l'émission périodique des AGN, suivie d'une revue de la littérature sur les sources de rayons gamma périodiques détectées. Deux projets liés aux développements de télescopes à imagerie Tcherenkov atmosphérique (IACTs) sont présentés. Le premier se concentre sur les observations à très grands angles zénithaux avec le système stéréoscopique à haute énergie (H.E.S.S.). Ces observations augmentent la gamme des angles zénithaux utilisés, permettant la détection des rayons gamma les plus énergiques et l'augmentation du temps disponible pour suivre les alertes telles que celles des GW.Le deuxième projet consiste à calibrer le système de datation des événements de la caméra NectarCAM pour le Cherenkov Telescope Array (CTA), la prochaine génération IACTs.L'objectif principal de la thèse est de développer et d'appliquer des algorithmes de recherche de périodicité aux courbes de lumière des AGN. Une approche dans le domaine temporel décrit le bruit stochastique présent dans l'émission des AGN, en utilisant des modèles de bruit auto-régressifs (AR) pour les données régulièrement espacées et des modèles AR en temps continu (CAR) pour les données irrégulièrement espacées. Un algorithme Markov Chain Monte Carlo (MCMC) est développé pour ajuster les paramètres décrivant les termes périodiques, les dérives linéaires et les points de flux corrélés dus au bruit coloré. La théorie de l'information est utilisée pour comparer l'adéquation aux données observées des différents modèles MCMC, en pénalisant la complexité du modèle. Une méthode de recherche de périodicité dans le domaine spectral est employée pour la validation croisée de nos résultats. Enfin, les composantes stochastiques sont étudiées plus en profondeur en appliquant une analyse de la densité spectrale de puissance (PSD).Nous appliquons l'algorithme aux données à échantillonnage régulier de 27 candidats AGN périodiques de l'instrument Fermi-LAT. Grâce à ces résultats, nous pouvons étudier la variabilité de la période, fournissant des contraintes pour les modèles physiques. Ensuite, nous utilisons le Fermi-LAT Light-Curve Repository, où plus de 1500 courbes de lumière d'AGNs sont disponibles. Certaines de ces sources ont des limites supérieures de flux, qui sont traitées comme des points manquants pour cette analyse. Ainsi, nous disposons d'un échantillon de données irrégulièrement espacées à analyser en utilisant les modèles CAR. Plusieurs nouvelles sources périodiques ont été trouvées. Nous appliquons également l'algorithme aux données de H.E.S.S., dont l'échantillonnage en temps est plus irrégulier. Bien que l'évaluation statistique des périodes dans ce type de données soit difficile, il est possible d'étudier le bruit corrélé et la PSD des sources. Enfin, les paramètres de sortie du MCMC sont utilisés pour prédire le comportement du flux de HE, permettant ainsi d'optimiser les stratégies d'observation. Les techniques de prévision sont validées sur un ensemble de données séparé avant d'être appliquées pour prédire les flux des AGNs.La thèse se termine par un résumé des résultats du projet, des implications et par des suggestions pour les travaux futurs qui permettraient d'améliorer l'analyse, notre compréhension de la physique impliquée et d'explorer de nouvelles lignes de recherche.
Fichier principal
Vignette du fichier
128067_RUEDA_2023_archivage.pdf (4.35 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04314701 , version 1 (29-11-2023)

Identifiants

  • HAL Id : tel-04314701 , version 1

Citer

Héctor Rueda. Period Search and Forecasting Techniques in Gamma-ray Active Galactic Nuclei with a Time-Domain Formalism. High Energy Astrophysical Phenomena [astro-ph.HE]. Université Paris-Saclay, 2023. English. ⟨NNT : 2023UPASP111⟩. ⟨tel-04314701⟩
63 Consultations
40 Téléchargements

Partager

Gmail Facebook X LinkedIn More