Retour sur nos stages d’été de 2020

Alors que nous nous préparons pour la rentrée scolaire, nous aimerions prendre un moment pour revenir sur le travail exceptionnel accompli par nos huit stagiaires d’été exceptionnels! Vous pouvez en savoir plus sur les projets de recherche et sur l’expérience de Mitchell Barrett, Audrey Bourdon, Margaret Bruna, Maigan Devries, William Frost, Numa Karolinski, Kim Morel et Jasmine Parsons en lisant les témoignages ci-dessous.

De plus, René Doyon et Étienne Artigau ont collaboré avec deux professeurs de l’Université de Montréal, Julie Hlavacek-Larrondo et Laurence Perreault-Levasseur, pour superviser deux stagiaires additionnels. Ces étudiants, Louis-Simon Guité et Guillaume Payeur, sont les premiers (mais pas les derniers, nous l’espérons) stagiaires à travailler sur des projets interdisciplinaires avec des membres de l’iREx.

Mitchell Barrett

Stagiaire Trottier de l’Université de Toronto, travaillant avec Björn Benneke à l’Université de Montréal

Sur quoi portait ton stage?

Mon superviseur, Björn Benneke, dispose actuellement d’un code d’analyse et de modélisation des atmosphères appelé SCARLET. Mon stage a consisté à développer un modèle géométrique précis d’albédo des exoplanètes qui pourrait s’intégrer dans ce code afin d’améliorer sa fonctionnalité. La plupart des modèles d’albédo utilisent actuellement une approximation appelée « approximation à deux flux », qui ne prend en compte que la lumière entrant et sortant d’une atmosphère plate. Nous avons cherché à améliorer cette approximation en considérant l’angle sous lequel la lumière frappe l’atmosphère et en calculant la quantité de lumière réfléchie dans une direction donnée.

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

Je pense que les exoplanètes en général sont fascinantes. J’ai apprécié d’entendre parler du travail effectué par les autres internes, ainsi que du travail effectué par les autres étudiants de l’équipe de Björn Benneke. Bien sûr, j’ai également trouvé mon sujet spécifique intéressant. J’ai aimé apprendre la physique qui régit les exoplanètes et leurs atmosphères, et comment elles peuvent réfléchir la lumière. J’ai l’impression que mon projet m’a aidé à intérioriser cet apprentissage.

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

En raison du type de travail que j’ai effectué, il est difficile de répondre à cette question. Je dirais que mon résultat le plus important est simplement la méthode que j’ai développée dans le cadre de SCARLET du Dr. Benneke qui utilise le modèle d’albédo, car cela fournit un bon point de départ à partir duquel Björn Benneke et son équipe pourront commencer à faire des analyses plus approfondies des spectres d’albédo.

Qu’as-tu appris cet été?

Les cours de physique pour les étudiants de premier cycle à l’Université ne comprennent généralement pas de discussion sur les atmosphères ou la physique de l’atmosphère. C’est pourquoi, pour bien comprendre mon projet, j’avais besoin d’apprendre beaucoup de nouvelles informations sur le comportement des atmosphères et surtout sur la façon dont la lumière incidente interagit avec une atmosphère. J’ai également beaucoup appris sur la façon dont la recherche est menée en général en assistant à des réunions avec le Björn Benneke et son équipe.

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

Comme j’ai dû apprendre la physique pertinente à mon stage en partant de zéro, j’ai rencontré quelques problèmes en essayant de mettre en œuvre les intégrales appropriées à la situation que je modélisais. J’écrivais des lignes de code qui ne faisait pas ce que je voulais, puis j’allais relire la section du manuel expliquant les mathématiques, puis je réécrivais le code, qui ne faisait pas ce que je voulais, et ainsi de suite. Cela s’est avéré assez frustrant, mais j’ai finalement pu résoudre l’erreur dans mon code pour le faire fonctionner correctement.

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

J’ai beaucoup apprécié la diversité du travail effectué par l’équipe de Björn Benneke. Bien que nous ayons tous utilisé son cadre SCARLET, mon projet était complètement indépendant des projets réalisés par ses étudiants de troisième cycle. Cela signifie que j’ai pu apprendre beaucoup sur mon sujet spécifique tout en apprenant un peu sur un éventail beaucoup plus large de sujets.

Audrey Bourdon

Stagiaire de l’Université McGill, travaillant avec Nicolas Cowan à l’Université McGill

Sur quoi portait ton stage?
Mon stage portait sur l’imagerie directe, qui est une technique de détection d’exoplanètes. Cette technique fonctionnera avec la lumière visible pour les futurs télescopes. De chaque image, nous ne pouvons que savoir la distance apparente entre la planète et son étoile ainsi que le flux de lumière réfléchie provenant de la planète. Mon but était de développer une méthode analytique avec le théorème de Bayes afin d’obtenir une probabilité pour les paramètres de Kepler, qui
décrivent l’orbite d’une planète.
Qu’est-ce qui est intéressant à propos de ce projet?
Ce qui est intéressant, et étonnant, c’est de voir comment il est possible d’obtenir, avec l’aide des informations préalables que nous avons sur les paramètres de Kepler, une fonction de densité de probabilité pour ces paramètres à partir d’une seule image directe. Aucun programme numérique ne peut atteindre une convergence après une seule image, mais cette méthode analytique peut nous donner de l’information à propos de l’orbite avec si peu de données. C’est assez impressionnant.
Qu’as-tu découvert? Quel est ton résultat le plus important?
Mon résultat le plus important est la fonction de densité de probabilité que j’ai pu dériver pour le cas général des orbites excentriques. Le résultat a encore besoin d’un peu de polissage, mais trouver une réponse à ce problème analytique compliqué est encourageant.
Qu’as-tu appris cet été?
J’ai beaucoup appris sur les statistiques bayésiennes en travaillant sur mon projet, mais j’ai aussi beaucoup appris sur les exoplanètes en général. Les rencontres et présentations en lignes furent importantes dans l’acquisition de ces connaissances ; j’ai pu apprendre tellement plus que ce sur quoi mon stage portait.
Qu’est-ce qui a été le plus gros défi?
Le problème sur lequel j’ai travaillé avait déjà une solution pour les orbites circulaires, où l’excentricité de la planète est zéro, et je tentais de dériver le cas plus général des orbites excentriques. Cette modification rend toutes les formules plus compliquées et tend à mener à de drôles de comportements dans les résultats. J’ai dû être très prudente à chaque étape de mes dérivations et ai dû recommencer du début plusieurs fois, après avoir trouvé une erreur dans mon travail. Ce fut difficile par moment de ne pas se décourager.
Qu’est-ce que tu as aimé le plus à propos de ton stage?
J’ai beaucoup aimé le fait que le stage donnait aux étudiants un aperçu de ce que peut être la recherche en exoplanètes. En tant que stagiaires, nous pouvions assister à diverses présentations données par d’autres astrophysiciens ainsi qu’interagir avec les étudiants des cycles supérieurs et les superviseurs. Me sentant traitée davantage comme une chercheure que comme une stagiaire, j’ai beaucoup apprécié le sentiment accueillant.
Margaret Bruna

Stagiaire de l’Université McGill, travaillant avec Nicolas Cowan à l’Université McGill

Sur quoi portait ton stage?

Cet été, j’ai poursuivi ma thèse de recherche de baccalauréat avec le professeur Nicolas Cowan. Le projet sur lequel j’ai travaillé portait sur l’extraction des paramètres orbitaux képlériens en utilisant la méthode d’imagerie directe en lumière visible. Nous avons essayer de déterminer si les informations provenant de la lumière visible réfléchie par la planète nous aident à retrouver l’orbite d’une exoplanète de manière plus efficace et plus précise, avec le moins d’images possible !

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

Ce projet est axé sur les exoplanètes qui seront étudiées lorsque les télescopes auront la précision nécessaire pour résoudre les planètes de faible luminosité en orbite autour d’étoiles très brillantes. Ce sera probablement possible dans une dizaine d’années. Personnellement, ce que je trouve intéressant dans ce projet, c’est qu’il est tourné vers l’avenir. Je pense qu’il est intéressant de pouvoir aider à approfondir nos connaissances sur des données qui n’ont pas encore été collectées.

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

Il est un peu trop tôt pour que je puisse décrire mes résultats. De nombreux aspects de mon projet seront bientôt en mesure de déterminer si les informations sur la lumière nous aident à retrouver les orbites des exoplanètes, et dans quelles circonstances. Je suis enthousiaste pour les deux prochaines semaines, car j’aurai des résultats concrets de mon travail !

Qu’as-tu appris cet été?

J’ai certainement beaucoup appris sur la façon dont des télescopes du futur comme HabEx et LUVOIR vont fonctionner. Mon projet vise à extraire les exoplanètes que ces télescopes vont détecter. J’ai également acquis plus d’aisance et de connaissances en ce qui concerne le codage en Python. J’ai passé beaucoup de temps à ajouter au code que j’ai commencé pendant ma thèse de recherche de baccalauréat, et cela m’a aidé à comprendre comment résoudre des problèmes et écrire plus efficacement.

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

Je pense que l’on peut dire que l’été de tout le monde ne s’est pas déroulé comme prévu cette année. Un obstacle majeur pour moi a été l’adaptation au travail à domicile. Je trouve qu’il est assez difficile d’être productif quand je n’ai pas fait la navette vers un nouvel environnement. De plus, la navigation dans les réunions de Zoom a été une expérience d’apprentissage assez difficile !

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

La meilleure partie de mon stage d’été a été de découvrir la communauté de chercheurs qui m’entoure ! J’ai eu plus de temps pour apprendre à connaître les gens de mon groupe de recherche, et j’ai pu rencontrer tous les autres stagiaires d’été à l’iREx. Cet été en particulier, j’ai apprécié les scientifiques que j’ai rencontrés et j’ai pu découvrir leurs expériences et perspectives de recherche (et de vie). C’était chouette de voir le travail incroyable que mes pairs ont accompli pendant l’été !

Maigan Devries

Stagiaire Trottier de Université Northern British Columbia, travaillant avec Jason Rowe à l’Université Bishop’s

Sur quoi portait ton stage?

Le but de mon stage était de créer une nouvelle méthode hybride de MCMC basée sur trois méthodes préexistantes. Les méthodes utilisées étaient la méthode de Metropolis-Hastings avec un échantillonneur de type Gibbs, la méthode d’évolution différentielle MCMC et la méthode d’invariance linéaire avec un échantillonneur en ensemble. Les méthodes MCMC peuvent être utilisées pour estimer les paramètres d’un modèle. On espère ainsi disposer d’une méthode qui converge plus rapidement et qui sera capable de traiter des paramètres corrélés. Cela sera utile pour travailler avec des systèmes exoplanétaires comportant des centaines de paramètres.

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

Je me suis intéressé à la manière dont les chaînes MCMC et les taux de convergence ont changé avec l’ajout de chaque méthode. Chaque méthode a conduit à des chaînes avec un meilleur mélange et la convergence a été atteinte beaucoup plus tôt.

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

Nous avons testé notre méthode avec une fonction gaussienne avec des paramètres corrélés et avons constaté qu’elle donnait les résultats prévus avec une convergence beaucoup plus rapide que les trois autres méthodes. Cela nous a permis de savoir que notre méthode fonctionne comme prévu et qu’elle pourra être utilisée sur des systèmes exoplanétaires à l’avenir.

Qu’as-tu appris cet été?

C’était la première fois que j’apprenais à connaître les exoplanètes. J’ai donc beaucoup appris sur les méthodes de détection des exoplanètes et sur la terminologie qui s’y rapporte. J’ai également appris à coder en python, et à faire rouler des codes en parallèle. De plus, j’ai appris à connaître le MCMC, certaines des méthodes de MCMC, et comment les mettre en œuvre.

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

Le MCMC était un concept nouveau pour moi, donc le plus grand défi a été de me familiariser avec les différentes méthodes et d’essayer de m’assurer que j’avais une bonne compréhension de chacune. De plus, le code prenait beaucoup de temps à s’exécuter, donc il y avait des moments où je passais une journée à exécuter le code pour me rendre compte que j’avais fait une erreur et que ça ne marchait pas.

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

J’ai vraiment apprécié l’opportunité d’en apprendre plus sur les exoplanètes et le MCMC en travaillant sur mon projet et en assistant à deux conférences cet été. J’ai également apprécié travailler avec Jason Rowe et son équipe d’étudiants et d’en savoir plus sur les autres projets sur lesquels les gens travaillent.

William Frost

Stagiaire Trottier de l’Université McGill, travaillant avec René Doyon et Loic Albert à l’Université de Montréal

Sur quoi portait ton stage?

Mon stage consistait à travailler sur des algorithmes liés au pipeline d’extraction NIRISS-SOSS. En bref, NIRISS est un instrument d’imagerie dans le proche infrarouge qui sera à bord du télescope spatial James Webb. Il possède un mode de spectroscopie sans fente à objet unique (SOSS) utilisé pour obtenir les spectres des exoplanètes en transit. Le but du stage était de mettre en œuvre une technique d’extraction spectrale qui tient compte de la contamination provenant de sources indésirables dans le champ de vision de NIRISS. Pendant le stage, je me suis occupé de la simulation des données et de l’extraction des résultats de ces simulations en utilisant la technique différentielle et d’autres techniques.

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

Ce que j’ai trouvé le plus intéressant, c’est d’être impliqué dans le processus de développement de quelque chose d’appliqué au JWST ! Pouvoir observer l’équipe et contribuer à son travail a été pour moi le point fort du stage. De plus, la technique d’extraction SOSS que j’ai mis en œuvre pourrait être utile aux futurs utilisateurs du JWST. Pouvoir travailler sur quelque chose qui pourrait avoir un impact direct sur les données obtenues à partir d’un instrument du JWST était assez cool.

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

La plupart des choses que j’ai découvertes était assez nichée, mais de façon plus générale, j’ai découvert que l’extraction différentielle NIRISS-SOSS fonctionne ! Appliquée correctement, elle peut expliquer la contamination par des sources indésirables qui apparaissent sur le détecteur de NIRISS. Comme la probabilité d’apparition de cette contamination de fond est beaucoup plus élevée qu’avec les spectrographes habituels, il est très important d’avoir un moyen de la traiter.

Qu’as-tu appris cet été?

J’ai appris plein de choses ! J’ai appris à connaître l’ensemble du processus d’extraction par spectroscopie de transit et comment l’implémenter en code. J’ai appris ce qu’il faut prendre en compte lors de la simulation de données scientifiques et les nombreuses façons de traiter un signal bruité pour obtenir une meilleure précision. J’ai également appris comment fonctionne l’équipe de NIRISS-SOSS et la complexité de tels projets.

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

Mon plus grand défi était de devoir écrire un code de plus en plus complexe afin de rendre mes processus d’extraction spectrale aussi corrects que possible. Qu’il s’agisse d’ajouter de nouvelles fonctionnalités ou d’améliorer une fonctionnalité existante, je me suis souvent retrouvé à modifier les mêmes fonctions de code au fur et à mesure que j’en apprenais davantage sur les méthodes correctes à utiliser.

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

J’ai vraiment apprécié l’interaction avec l’équipe NIRISS-SOSS et les gens de l’iREx en général. J’ai particulièrement apprécié les conversations que j’ai eues avec mes superviseurs Loïc Albert et René Doyon.

Louis-Simon Guité

Stagiaire de l’Université de Montréal, travaillant avec Julie Hlavacek-Larrondo en collaboration avec René Doyon et Étienne Artigau à l’Université de Montréal

Sur quoi portait ton stage?

Le but principal de mon stage était d’obtenir les premières images à contraste élevé d’exoplanètes en orbite autour de puissants systèmes binaires à rayons X, et ce, à l’aide de données obtenues par l’Observatoire Keck. Durant mon projet, je me suis concentré sur un système binaire en particulier, soit RX J1744.7-2713

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

La chose la plus intéressante à propos de mon stage était l’aspect interdisciplinaire. En effet, j’ai eu la chance de travailler à la fois sur les exoplanètes et les binaires à rayons X,  soient deux domaines de recherche relativement distincts. Cependant, mon stage a permis de réunir ces champs d’étude, ce qui nous a permis de faire une découverte très intéressante.

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

Nous avons observé plusieurs exoplanètes candidates en orbite autour de RX J1744.7-2713. Un de ces compagnons sous-stellaires orbite à une distance d’environ 300 AU du binaire à rayons X, ce qui est extrêmement proche lorsqu’on compare avec les autres exoplanètes candidates. Ces observations sont très importantes puisqu’il s’agissait de la première détection directe d’exoplanètes autour d’un binaire à rayons X.

Qu’as-tu appris cet été?

Tout d’abord, j’ai dû apprendre les bases théoriques concernant les binaires à rayons X et les techniques d’imagerie directe. Deuxièmement, j’ai dû améliorer mes compétences de programmation en Python afin de réduire correctement les données brutes provenant de l’observatoire Keck et ainsi révéler les exoplanètes dans l’image finale.

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

Au milieu de l’été, mon projet a beaucoup changé. Initialement, j’étais censé travailler sur un disque découvert autour de RX J1744.7-2713 en 2017. Cependant, des observations plus précises faites cet été ont montré que ce disque n’existait pas et qu’il s’agissait en fait d’un compagnon sous-stellaire très proche du système. Par conséquent, j’ai dû m’adapter rapidement afin de produire les images à contraste élevé avant la fin de l’été.

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

Ce que j’ai le plus apprécié pendant mon stage a été la réduction de données qui m’a permis d’obtenir une image montrant les exoplanètes en orbite autour du binaire à rayons X. Le fait de commencer avec des données brutes où aucune exoplanète n’est visible pour finir avec une image claire comportant plusieurs détections d’exoplanètes fut très enrichissant et amusant.

Numa Karolinski

Stagiaire de l’Université McGill, travaillant avec Nicolas Cowan à l’Université McGill

Sur quoi portait ton stage?

Le but de mon stage était de générer efficacement des cartes de l’albédo d’exoplanètes à partir de leur courbe de lumière réfléchie.

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

Le sujet de mon stage était intéressant en raison de ses implications. Les futurs télescopes seront capables de résoudre des exoplanètes semblables à la Terre grâce à l’imagerie directe. Les logiciels et les problèmes avec lesquels j’ai travaillé traduisent la lumière de ces télescopes en cartes afin que nous puissions dire à quoi ressemble une exoplanète.

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

J’ai étudié trois logiciels différents, QEARL, starry, et exocartographer. QEARL était incomplet, faute d’un meilleur mot. J’ai complété le QEARL et je l’ai comparé aux deux autres logiciels, et j’ai également comparé leur vitesse. Il s’avère que le QEARL est assez lent dans son état actuel.

Qu’as-tu appris cet été?

J’ai beaucoup appris sur le fonctionnement de exocartographer, et j’ai généralement appris à utiliser starry. J’ai également beaucoup appris sur l’hamiltonien de Monte Carlo, qui est un algorithme utile pour ce genre de problèmes, et j’en ai appris sur le fonctionnement de stan, qui est un logiciel qui aide à faire fonctionner les algorithmes de style hamiltonien de Monte Carlo .

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

Le chronométrage de exocartographer a été particulièrement difficile en raison du temps qu’il m’a fallu investir dans le chronométrage de ses éléments de base.

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

J’ai vraiment apprécié apprendre l’algorithme d’Hamiltonien de Monte Carlo ainsi que la façon d’utiliser stan.

Kim Morel

Stagiaire Trottier de l’Université de Montréal, travaillant avec David Lafrenière à l’Université de Montréal

Sur quoi portait ton stage?

Mon projet consistait à trouver une nouvelle méthode de nettoyage de données qui permettrait d’enlever le bruit systématique des données de haute dispersion spectrale de SPIRou en minimisant la perte de signal de l’exoplanète observée. En fait, la méthode utilisée présentement fonctionne bien, mais il y a une perte de signal relativement importante sur les spectres corrigés, donc c’est cet aspect-là que l’on veut améliorer.

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

Une des méthodes les plus difficiles à essayer reposait sur des concepts de mathématiques assez avancées. J’ai dû faire des recherches pour mieux comprendre le fonctionnement d’algorithmes déjà implantés en langage Python et tenter de les imiter par moi-même. Le résultat a été assez concluant, mais la méthode est encore à perfectionner.

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

Après avoir testé en tout quatre méthodes de nettoyage de données, deux d’entre elles se sont plus démarquées. Lorsqu’on les applique sur des données simulées semblables à celles de SPiRou, ces méthodes parviennent à retrouver les bons paramètres qui ont été utilisés pour créer la séquence de spectres initiale avec une marge d’erreur très faible. Elles pourraient donc être testées sur de vraies données prochainement et seraient potentiellement de bonnes solutions à notre problème.

Qu’as-tu appris cet été?

J’ai énormément développé mes capacités en programmation avec Python. J’en ai aussi beaucoup appris sur le processus d’analyse de données lorsqu’on tente de déterminer la composition de l’atmosphère d’une exoplanète. J’ai aussi réalisé que les données recueillies par un télescope terrestre peuvent en révéler beaucoup sur un objet seulement une fois qu’un processus ardu de nettoyage et de soustraction de bruit ait été effectué.

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

Étant donné que c’était ma première expérience dans le domaine de l’astrophysique, le processus d’apprentissage des concepts de base a pris beaucoup de temps. Aussi, il pouvait souvent m’arriver de rencontrer des problèmes en programmant avec Python, car je n’avais pas beaucoup d’expérience non plus en programmation. Il pouvait aussi être difficile de poser des questions à des collègues à cause du télétravail imposée par la pandémie, donc Google est devenu mon meilleur ami!

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

J’ai énormément appris cet été, autant sur certains concepts d’observation d’exoplanètes qu’en programmation. J’ai pu acquérir de l’expérience dans le domaine qui me passionne et j’ai appris à connaître pleins de chercheurs qui travaillent tous sur des projets aussi intéressants les uns que les autres. Ce stage m’a aussi permis de réaliser que je suis sur le bon chemin et que j’espère vraiment devenir chercheure en astrophysique dans le futur.

 

Jasmine Parsons

Stagiaire Trottier de l’Université McGill, travaillant avec René Doyon et Étienne Artigau à l’Université de Montréal

Sur quoi portait ton stage?

Mon stage s’est concentré sur l’exploration d’une nouvelle méthode pour améliorer la précision des mesures de vitesse radiale stellaire. En bref, lorsque les chercheurs mesure la vitesse radiale du spectre d’une étoile, ils n’utilisent traditionnellement que les sections négatives du spectre (c’est-à-dire les creux). J’ai passé l’été à étudier si les sectives positives (c’est-à-dire les pics) du spectre stellaire pourraient également être intéressantes à examiner, et si la prise en compte de ces caractéristiques améliorerait la précision de la mesure de la vitesse radiale.

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

Toutes les données avec lesquelles j’ai travaillées cet été provenaient d’un instrument appelé SPIRou, installé au télescope Canada-France-Hawaii. C’était incroyable de travailler avec des données provenant de l’observation d’une étoile réelle dans le monde réel. C’était ma première expérience de recherche, j’étais donc habitué à travailler sur des problèmes dans une salle de classe, des problèmes qui ont tendance à être complètement déconnectés des données et de la recherche réelles. À quelques reprises au cours de l’été, j’ai été soudainement frappé par le fait que les images et les données dont je m’occupais pouvaient remonter jusqu’à une naine rouge située à six années-lumière. C’était époustouflant !

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

Nous avons découvert que l’inclusion de ces sections positives améliore effectivement la précision des mesures de vitesse radiale. Il est également prouvé que ces sections positives, qui sont traditionnellement ignorées, contiennent une foule d’informations concernant l’activité d’une étoile. Il semble bien qu’il y ait là un grand potentiel pour faire avancer encore plus la recherche.

Qu’as-tu appris cet été?

En bref, j’ai acquis plus de compétences en programmation au cours des quatre derniers mois que pendant une année entière de cours. Lorsque j’apprends à coder en classe à l’université, chaque question a une seule bonne réponse, ce qui ne reflète pas mon expérience de chercheur. En réalité, il y a généralement plusieurs façons d’aborder un problème, et choisir la voie à suivre est rarement simple.

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

Les circonstances entourant le stage étaient souvent plus difficiles que le travail lui-même. Il était difficile de rester motivé, en restant à la maison. J’ai également contracté la COVID-19 au début de mon stage, et j’ai dû prendre un congé pour récupérer. Malgré tout, je suis étonné de tout ce que j’ai appris cet été et de l’expérience  que j’ai vécue ; je suis également reconnaissante aux coordonnatrices de l’iREx et à mes superviseurs d’avoir rendu tout cela possible !

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

Pour être honnête, j’étais tellement soulagée que le stage se déroule à distance au lieu d’être annulé, car cela m’a permis de me concentrer sur quelque chose et de continuer à avancer et à apprendre. Les fréquentes rencontres avec mes superviseurs, Étienne Artigau et René Doyon, m’ont permis de maintenir un horaire structuré et productif. Comme la session d’automne est sur le point de commencer et que l’autodiscipline est plus importante que jamais, cela signifie que je me sens bien préparée.

 

Guillaume Payeur

Stagiaire de l’Université de Montréal, travaillant avec Laurence Perreault-Levasseur en collaboration avec René Doyon et Étienne Artigau à l’Université de Montréal

Sur quoi portait ton stage?

Mon stage consistait à développer une nouvelle technique, basée sur l’apprentissage automatique, pour
réduire la quantité de bruit présente dans les données collectées par les spectromètres infrarouges NIRPS
et SPIRou. L’objectif était d’améliorer la procédure conventionnelle, qui n’impliquent pas d’apprentissage automatique. C’est pourquoi j’ai dû concevoir un algorithme d’apprentissage automatique à partir de zéro.

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

Comme c’était la première fois que je m’impliquais dans la recherche, j’ai trouvé très intéressant de découvrir
ce que l’on ressent lorsqu’on travaille sur un projet de recherche. C’est différent de tout ce que j’ai fait auparavant, mais j’adore ça. J’ai également trouvé intéressant de collaborer à un projet avec des chercheurs performants, car ça m’a permis d’apprendre de leur expertise.

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

Nous avons pu montrer que l’apprentissage machine a vraiment sa place dans ce domaine. En utilisant uniquement des données synthétiques, nous avons réussi à créer un algorithme d’apprentissage automatique qui
améliore considérablement la méthode conventionnellement utilisée. L’étape suivante consiste à montrer qu’elle peut fonctionner aussi bien sur des données réelles.

Qu’as-tu appris cet été?

Au début de l’été, je n’avais jamais travaillé sur des algorithmes d’apprentissage authomatique de ma vie et, de ce fait, la chose la plus importante que j’ai apprise a été de créer des algorithmes d’apprentissage automatique. C’est un travail très agréable. J’ai également eu la chance de découvrir certains des rouages internes
de NIRPS et de SPIRou, ce qui est merveilleux aussi.

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

Il y a des moments où je voulais désespérément que mon algorithme d’apprentissage automatique atteigne un certain niveau de performance, mais je n’y arrivais pas réussi à le faire. Parfois, je manquais d’idées pour trouver des solutions à essayer, et dans ces cas-là, il était difficile de rester positif. Mais finalement, j’ai fait une grande percée et les choses ont débloqué à partir de là.

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

J’ai adoré avoir un impact direct sur la science ! Depuis quelque temps, je rêvais de participer à un projet de recherche, et cela m’a fait plaisir d’en arriver là. J’ai aussi aimé faire partie de notre petit groupe de recherche ! Je me suis assez bien entendu avec les personnes qui en faisaient partie, c’était donc un réel plaisir d’interagir avec elles. J’ai trouvé particulièrement gratifiant de pouvoir partager avec elles des résultats encourageants
parce que je peux dire qu’elles étaient aussi très enthousiastes à ce sujet.