À la fin des années 90, deux équipes indépendantes ont montré l’expansion accélérée de notre Univers, à partir des mesures de distances de supernovas de type Ia (SNIa). Depuis, une des priorités de la cosmologie moderne est de caractériser ce phénomène et d’en comprendre ses fondements. L’amélioration des mesures de distance réalisées à partir des SNIa est une technique majeure permettant de mieux caractériser l’accélération et donc de déterminer la nature physique de ce phénomène. Ce document développe un nouveau modèle de distribution spectrale en énergie de SNIa nommé le Supernova Useful Generator And Reconstructor (SUGAR) permettant d’améliorer les mesures des distances. Ce modèle est construit à partir des propriétés spectrales des SNIa et des données spectrophotométriques de la collaboration The Nearby Supernova Factory. L’avancée principale, proposée dans SUGAR, réside dans l’ajout de deux paramètres supplémentaires pour caractériser la variabilité des SNIa. Le premier dépend des propriétés des vitesses des éjectas des SNIa, le deuxième dépend de leurs raies du calcium. L’ajout de ces paramètres, ainsi que la grande qualité des données de la collaboration the Nearby Supernova Factory font de SUGAR le meilleur modèle qui existe pour décrire la distribution spectrale en énergie des SNIa et améliore les mesures des distances de l’ordre de 15% par rapport à la méthode usuelle. Les performances de ce modèle en font un excellent candidat pour préparer les expériences futures comme LSST ou WFIRST. Par ailleurs, ce document présente une analyse sur l’effet de l’appartenance d’une SNIa à un amas de galaxies sur sa mesure de distance. Les galaxies d’un amas possèdent une vitesse propre largement supérieure à la valeur supposée lors de la mesure des distances avec les SNIa. Ceci a pour conséquence d’introduire une source d’erreur systématique sur la mesure de distance. Le fait de ne pas prendre en compte cet effet peut dégrader la mesure de distance de l’ordre de 2,5% pour les SNIa appartenant à un amas. Cette analyse à été réalisée en utilisant les données de la collaboration the Nearby Supernova Factory et des catalogues public d’amas de galaxies. / At the end of the 90s, two independent teams showed, based on distance measurements of type Ia supernovæ (SNIa), that expansion of our Universe is accelerating. Since then, one of the priorities of modern cosmology is to characterize this phenomenon and to understand its nature. The improvement of distance measurements of SNIa is one technique to improve the constraints on acceleration and to determine the physical nature of it. This document develops a new SNIa spectral energy distribution model, called the Supernova Useful Generator and Reconstructor (SUGAR), which improves distance measurement. This model is constructed from SNIa spectral properties and spectrophotometric data from The Nearby Supernova Factory collaboration. The main advancement proposed in SUGAR is the addition of two additional parameters to characterize the SNIa variability. The first depends on the properties of SNIa ejecta velocity, the second depends on their calcium lines. The addition of these parameters as well as the high quality of the data of The Nearby Supernova Factory collaboration make SUGAR the best model available to describe the spectral energy distribution of SNIa and improves distances measurements of the order of 15 % relative to the usual method. The performance of this model makes it an excellent candidate for preparing future experiments like LSST or WFIRST. In addition, this document presents an analysis of the effect of SNIa belonging to a galaxy cluster on its distance measurement. Galaxies of a cluster have a peculiar velocity much higher than the assumed value when measuring distances with SNIa. This has the effect of introducing a systematic error into the distance measurement. Failure to take into account this effect may degrade the distance measurement by 2.5% for SNIa belonging to a cluster. This analysis was carried out using data from the collaboration of the Nearby Supernova Factory and public catalogs of galaxy cluster.

Le modèle ΛCDM permet de décrire avec une grande précision la plupart des présentes observations cosmologiques. Cependant, l'un de ses paramètres, σ 8, mesurant l'amplitude de fluctuations de la matière, présente une discordance entre sa valeur contrainte par le spectre de puissance angulaire du CMB de la mission Planck, les Cls, et celle déterminée à partir des amas SZ dans l'univers proche. Dans le présent travail on explore divers extensions du modèle ΛCDM comme origines possibles de cette anomalie. Pour tester les effets de ces extensions, nous avons effectué une analyse Monte Carlo on l'on compare les contraintes sur σ 8 à partir de ΛCDM avec celles résultantes de ces extensions, et ceci en utilisant principalement le spectre de puissance CMB seul ou combiné avec des comptages d'amas. Ces derniers sont basés sur différentes relations masse observables et couvrent différents redshift : des amas de rayons X dans l'univers local, des amas de la mission SZ Planck dans l'univers proche ou une estimation des amas détectés par leur richesse photométrique à partir du la future mission Euclid. Du fait qu'une mauvaise détermination de l'étalonnage de la masse des amas pourrait également être la raison de cette divergence, notre approche consistait, lorsqu'on combinait les deux sondes issues des amas et du CMB, à laisser le facteur d'étalonnage libre afin qu'il soit contraint comme les autres paramètres cosmologiques par les deux données. Dans le cas d'introduction de trois neutrinos massifs dégénérés, nous avons trouvé qu'ils n'ont aucun effet significatif sur la correction de l'écart entre les contraintes issues de comptage CMB et ceux issues des Xray ou SZ cluster. Nous avons ensuite permis à l'indice de croissance ƴ de varier. Nous trouvons une corrélation entre ƴ et le paramètre de calibration masse-observable des amas détectés par rayons X qui n'est pas affecté par la présence ou non des neutrinos massifs. [...] / The ΛCDM model has proved successful in describing to a high precision most of nowadays cosmological observations. However, one of its parameters, σ 8, measuring the present matter amplitude fluctuations, constrained from CMB angular power spectrum, the Cls, was found by the Planck mission, in significant tension with value constrained by SZ galaxy cluster counts in the near universe. In the present work we investigate extensions to ΛCDM model as possible origins behind this discrepancy. To test these extensions, we performed a Monte Carlo analysis to compare constraints on σ 8 in ΛCDM with constraints under these extensions, using mainly CMB Cls combined with cluster counts sample. The later were based on different mass observables relations and covered different redshift ranges: X-ray cluster in the local universe, SZ Planck mission clusters from the near universe or photometric richness estimated detected clusters from future high redshift upcoming Euclid alike mission. Because an improper determination of the calibration of cluster mass function could also be behind this discrepancy, our approach was, when combined with CMB, to leave the calibration factor free to vary and be constrained by data. Introducing three degenerate massive neutrinos, we found that they have no significant effect on fixing the discrepancy between CMB and Xray or SZ cluster counts. We then allowed the growth index ƴ to vary. We find a correlation in the confidence space between ƴ and the X-ray mass observable factor not affected by the presence of massive neutrinos, indicating that a modifying gravity is favored over massive neutrinos as a way to alleviate the tension. However, when a SZ cluster sample covering a larger redshift range was used, we found that the correlation between ƴ and the calibration factor, is constrained by the evolution of the growth through redshift and limited to a region where it cannot fix the discrepancy. [...]

Les galaxies centrales d'amas de galaxies constituent un environnement particulier pouvant parfois être entouré, dans le domaine optique, d'un système filamentaire complexe et étendu. L'étude de ces structures permet de mieux comprendre le phénomène de rétroaction impliqué au sein de ces galaxies et lié à la présence d'un trou noir supermassif en leur centre. La formation de jets et de bulles remplis d'émission radio conduit à réchauffer et sculpter le milieu intra-amas environnant. Ce réchauffement empêche ainsi le refroidissement du gaz intra-amas et donc la formation stellaire. Les filaments visibles dans le domaine optique ne constituent qu'une partie de la structure multiphasique qui entoure la galaxie centrale d'amas. En effet, plusieurs observations en rayons X du gaz intra-amas et radio du gaz moléculaire montrent clairement des corrélations spatiales entre toutes ces types d'émissions. Néanmoins, plusieurs points restent encore incertains concernant ces nébuleuses filamentaires. Deux modèles principaux s'opposent ainsi pour tenter d'expliquer l'origine de leur formation et le phénomène d'ionisation du gaz n'est toujours pas déterminé avec certitude. Dès lors, l'étude de la nébuleuse filamentaire entourant la galaxie centrale de l’amas de Persée, NGC 1275, au moyen d'observations à très haute résolution spectrale à l'aide de l'instrument SITELLE (Spectromètre imageur à transformée de Fourier pour l’étude en long et en large de raies d’émission), se révèle fondamentale. Ce spectromètre imageur à transformée de Fourier installé au télescope Canada-France-Hawaï dispose de caractéristiques exceptionnelles nous permettant d'étudier la nébuleuse filamentaire de NGC 1275 dans son entièreté. En effet, le champ de vue extrêmement large de SITELLE ($11' \times 11'$) ainsi que sa capacité d'atteindre de très hautes résolutions spectrales en font un atout de choix pour l'étude de telle structure. Dans ce mémoire, nous avons analysé de nouvelles observations de NGC 1275 obtenues avec SITELLE, à une très haute résolution spectrale de $R = \lambda/\Delta\lambda = 7000$. L'analyse de ces observations a permis de renouveler les cartes de vitesse, flux et dispersion en vitesse au sein de la nébuleuse filamentaire, démontrant ainsi que la région centrale semble plus dynamique qu'anticipée auparavant. De plus, grâce à la très haute résolution spectrale atteinte au sein de ces données, une analyse détaillée des raies d'émission de [SII] a pu être menée, révélant dès lors plus d'informations sur la densité du gaz au sein des filaments. L'étude de ratio de raies permet également de mieux cerner le mécanisme d'ionisation ayant lieu au sein de cette structure. Finalement, cette étude de données à très haute résolution spectrale des filaments permettra à terme d'obtenir les diagrammes BPT offrant ainsi une meilleure compréhension du phénomène d'ionisation. Une étude sera également menée sur les multiples composantes en vitesse visible localement dans la région centrale des filaments et pouvant être résolues. Enfin, ces données serviront de base pour les futures observations en rayon X de l'instrument XRISM (\textit{X-Ray Imaging and Spectroscopy Mission}). / The central cluster galaxies constitute a particular environment that can sometimes be surrounded, in the optical domain, by a complex and extended filamentary system. The study of these structures makes it possible to better understand the feedback phenomenon involved within these galaxies and linked to the presence of a supermassive black hole in their center. The formation of jets, streams and bubbles filled with radio emissions that it entails leads to heating and sculpting the surrounding intra-cluster medium. This heating thus prevents the cooling of the gas by emission and therefore the formation of stars. Thus, the filaments visible in the optical domain are only part of the multiphase structure that surrounds the central cluster galaxy. Indeed, several X-ray and radio observations clearly show spatial correlations between all these types of emissions. Nevertheless, several points still remain uncertain concerning filamentary nebulae. Two main models thus oppose each other in an attempt to explain the origin of their formation, either through precipitation or lifted up in the wake of radio bubbles, and the phenomenon of gas ionization is still not determined with certainty. Therefore, the study of the filamentary nebula surrounding the central cluster galaxy of the Perseus cluster, NGC 1275, by means of very high spectral resolution observations using the SITELLE instrument (Spectromètre imageur à transformée de Fourier pour l’étude en long et en large de raies d’émission), can yield fundamental results that will shed light on the origin and evolution of these filamentary nebulae. SITELLE is a Fourier transform imaging spectrometer installed at the Canada-France-Hawaii telescope that has exceptional characteristics allowing us to study the filamentary nebula of NGC 1275 in its entirety. Indeed, the extremely wide field of view of SITELLE ($11' \times 11'$) as well as its capacity to reach very high spectral resolutions make it an instrument of choice for the study of such structures. Here, we present the analysis of new observations of NGC 1275 taken with SITELLE at very high spectral resolution of $R = \lambda/\Delta\lambda = 7000$. The analysis of these observations has thus made it possible to produce new maps of velocity, flux and velocity dispersion within the filamentary nebula, thus demonstrating that the central region seems more dynamic than previously anticipated. In addition, thanks to the very high spectral resolution achieved within these data, a detailed analysis of the emission lines of [SII] could be carried out, revealing more information on the density of the gas within the filaments. The study of line ratios also makes it possible to better understand the ionization mechanism taking place within this structure. Finally, this study of very high spectral resolution data from the filaments will ultimately make it possible to obtain BPT diagrams, thus offering a better understanding of the ionization phenomenon. The multiple velocity components, locally visible and resolved in the central region of the filaments, will also be studied. Finally, these data will serve as a basis for future X-ray observations from the XRISM (\textit{X-Ray Imaging and Spectroscopy Mission}) instrument.

Les galaxies, qui sont des ensembles de milliards d’étoiles, de gaz, de poussière et de matière sombre — un mystère persistant — se répandent à travers l’univers. Il est reconnu que presque toutes les galaxies hébergent un trou noir supermassif capable d’augmenter ou de diminuer le taux de formation stellaire via un mécanisme appelé rétroaction. Les conglomérats massifs de galaxies gravitationnellement liés, nommés amas de galaxies, présentent le même phénomène astronomique, mais à une échelle plus grande. Ces phénomènes laissent des traces dans l’environnement qui sont observables grâce aux instruments contemporains. Cette thèse se concentre sur deux axes principaux : l’application des algorithmes d’apprentissage automatique pour améliorer l’analyse optique des galaxies et des amas de galaxies, ainsi que l’utilisation d’un algorithme spécifique en apprentissage automatique, la machine d’inférence récurrente (MIR), capable de déconvoluer les spectres en rayons X de sources astrophysiques. Dans la première moitié de cette thèse, nous discutons du développement de LUCI, un logiciel conçu pour ajuster les cubes de données de SITELLE à l’aide de l’apprentissage automatique. Ce logiciel vise à accélérer l’algorithme d’ajustement et à obtenir les meilleurs résultats possibles. LUCI a été développé dans le but de fournir un algorithme d’ajustement polyvalent, personnalisable, facile à utiliser et assisté par l’apprentissage automatique. Les deux premiers articles de cette thèse décrivent en détail LUCI et les algorithmes qui le sous-tendent. Après cette présentation, plusieurs projets scientifiques auxquels j’ai contribué sont mis en avant, illustrant l’utilisation de LUCI. Grâce aux innovations apportées par LUCI, nous avons pu étudier plus en détail le gaz ionisé diffus dans des galaxies proches telles que NGC 4449, analyser le gaz ionisé dans une galaxie en chute vers l’amas de Persée, et cartographier en détail le gaz ionisé dans un amas de galaxies à grand décalage vers le rouge (voir section 2.3). Les deux articles suivants, dans les sections 2.4, 2.5, explorent les méthodes d’apprentissage automatique pour effectuer des tâches qui auraient traditionnellement été réalisées par des algorithmes standard : calculer les rapports des lignes d’émission des spectres, démêler les systèmes en fusion et catégoriser les régions d’émission. Dans l’avant-dernier article du chapitre 2, section 2.7, nous développons une nouvelle technique basée sur les algorithmes d’apprentissage automatique qui segmente un cube hyperspectral en régions de source et régions de l’arrière-plan, construit un modèle local de la région à l’arrière-plan, et interpole ce modèle sur les pixels de la source. Dans le troisième chapitre, nous nous concentrons sur les techniques de déconvolution des spectres en rayons X, un objectif qui, jusqu’à présent, reste insaisissable. Cela nous permet, pour la première fois, d’observer le spectre intrinsèque du gaz chaud dans les amas de galaxies. Lorsqu’un spectre en rayons X est observé avec un observatoire en rayons X, le spectre intrinsèque n’est pas directement capturé mais plutôt, il est convolué avec la réponse instrumentale. Dans le cas des observatoires contemporains, cet effet est dramatique car la réponse instrumentale étale les lignes d’émission en une caractéristique simple et elle varie considérablement en fonction du temps et de la position. Les méthodes standard pour extraire les paramètres physiques du spectre utilisent des techniques de pré-ajustement qui augmentent les coûts computationnels et ajoutent des complexités d’ajustement. Par conséquent, une méthodologie de déconvolution des spectres observés peut mener à une modélisation plus précise. C’est avec cela en tête que nous explorons les méthodes de déconvolution des spectres en rayons X, nous donnant ainsi accès aux spectres intrinsèques. Le premier article de ce chapitre, section 3.1, démontre que les techniques traditionnelles de déconvolution ne fonctionnent pas suffisamment pour les spectres complexes, même si elles fonctionnent pour les spectres simples comme les lois de puissance. Dans l’article suivant, nous utilisons un nouvel algorithme d’apprentissage automatique, la MIR, pour effectuer la déconvolution. Dans ce papier, nous montrons le potentiel de cette nouvelle méthode sur des données synthétiques et réelles. Notre MIR entraînée reconstruit le spectre intrinsèque et les réalisations du modèle antérieur avec un niveau de bruit d’un écart-type, démontrant que la MIR est capable, au moins pour les spectres synthétiques, de récupérer les spectres intrinsèques. Dans le dernier article de cette thèse, nous explorons également l’efficacité et les limitations de la MIR dans la déconvolution des spectres en rayons X. La MIR est entraînée sur une base de données synthétique couvrant une gamme plus large de paramètres. Même pour les modèles complexes, la MIR est capable de déconvoluer les spectres synthétiques à un niveau de bruit d’un écart-type. Cependant, lorsqu’elle est appliquée aux données réelles, les reconstructions ne sont pas en accord avec les observations réelles. Cela indique soit que les données synthétiques ne représentent pas fidèlement les observations réelles, soit qu’il y a un problème avec la MIR. Nous concluons cet article en soulignant l’intérêt d’appliquer des modèles de diffusion pour pallier les limitations de la MIR. / Galaxies, combinations of billions of stars, gas, dust, and the ever-mysterious dark matter, permeate the universe. It is understood that nearly all galaxies host a supermassive black hole capable of either enhancing or reducing stellar formation through a mechanism known as active galactic nuclei feedback. Massive conglomerations of gravitationally bound galaxies, known as galaxy clusters, demonstrate the same astrophysical phenomena but on a much larger scale. These phenomena leave traces on their surrounding medium that can be observed through modern instrumentation. This thesis is aligned along two main research axes: the application of machine learning algorithms to enhance the optical analysis of galaxies and galaxy clusters and the application of a particular machine learning algorithm, the recurrent inference machine, to deconvolve X-ray spectra of astrophysical sources. In the first half of the thesis, we discuss the development of LUCI – a software package created to fit SITELLE datacubes using machine learning to speed up the fitting algorithms and increase their performance. LUCI was borne out of a desire to have a general-purpose line fitting algorithm that is highly customizable, easy to use, and enhanced by machine learning algorithms for SITELLE. The first two articles presented in this thesis describe LUCI and the algorithms that drive the package. After presenting the software, we showcase several scientific projects that LUCI has been used in which I contributed. Owing to the innovations in LUCI, we were able to expand our study of diffuse ionized gas in nearby galaxies such as NGC 4449, study the ionized gas in an infalling galaxy in the Perseus cluster, and make detailed maps of a high-redshift galaxy cluster’s ionized gas (see 2.3). The following three papers, sections 2.4, 2.5, and 2.6, explore machine learning methods to accomplish tasks normally reserved for standard algorithms: calculating line ratios from spectra and disentangling multi emission components in merging systems, and categorizing emission line regions. In the second to last paper of chapter 2, section 2.7, we develop a novel technique based off machine learning algorithms to segment an hyperspectral data cube into source and background regions, build a local model of the background region, and interpolate this model over source pixels. In the final paper of this chapter, we use LUCI to analyze multi-filter SITELLE observations of NGC 1275. This analysis reveals homogeneity in the ionization mechanism in the extended filaments. Moreover, they solidify previous findings that the emission nebula is not undergoing star formation except for two small and distinct regions. In chapter 3, we focus on techniques for deconvolving X-ray spectra, a goal that has, until now, remained elusive. By deconvolving X-ray spectra, we will be able to, for the first time, observe the intrinsic X-ray spectrum of the hot gas in galaxy clusters. When an X-ray spectrum is observed with an X-ray observatory, the intrinsic source spectrum is not itself captured but rather the intrinsic spectrum convolved with the instrumental response. In the case of contemporary X-ray observatories, this effect is dramatic since the instrumental response smears emission lines into a single feature and changes considerably as a function of time and the location of the detector. Therefore, having a methodology to deconvolve observed spectra can lead to more accurate modeling of the underlying physical phenomena. It is with this in mind that we explore methods to deconvolve the X-ray spectra and thus have access to the intrinsic spectrum of the astrophyiscal source. The first article presented in this chapter, section 3.1, demonstrates that traditional inverse techniques do not reliably deconvolve complex X-ray spectra from the instrumental response even though they are sufficient for simple spectra such as a powerlaw. In the following article, we employ a new machine learning algorithm, the recurrent inference machine (RIM), to tackle the problem of X-ray spectral deconvolution. In this paper, we show the potential of this new method as applied to synthetic and real data. Our trained RIM reconstructs the intrinsic matrix and forward model realizations below the 1-σ noise-level proving that the RIM is capable, at least for synthetic data, to recover the intrinsic spectra. In the final article of this thesis, we further explore the RIM’s ability and limitations in X-ray spectral deconvolution. The RIM is trained on a larger set of synthetic spectra covering a wider parameter range. The RIM is able to deconvolve the sythetic Xray spectrum at the 1-σ noise level even for complicated physical models. However, when applied to real observations, the RIM reconstructions do not match theoretical predictions. We conclude this paper by motivating the application of state-of-the-art diffusion models to address the limitations of the RIM.

Les amas de galaxies sont l'une des plus grandes structures dans l'univers et jouent le rôle d'hôte de plusieurs phénomènes complexes. Bien qu'il existe beaucoup d'études portant sur leur formation et leur évolution, l'avènement récent de l'apprentissage automatique en astronomie nous permet d'investiguer des questions qui, jusqu'à maintenant, demeuraient sans réponse. Même si ce mémoire se concentre sur l'application de techniques d'apprentissage automatique aux observations en rayons X des amas de galaxies, nous explorons l'usage de ces techniques à son homologue à une échelle réduite : les galaxies elles-mêmes. Malgré le fait que les trois articles présentés dans ce mémoire se concentrent sur différents aspects de la physique, sur de différentes échelles et sur de différentes techniques, ils forment une base d'études que je continuerai pendant mon doctorat : l'usage des nouvelles techniques pour investiguer la physique des régions galactiques et extragalactiques. Dans le premier article, nous introduisons les premières observations en rayons X d'un amas de galaxies lointain qui détient des attributs particuliers comme une formation stellaire hors pair (∽ 900 M⊙/an). Dans cet article, nous employons les techniques traditionnelles en astronomie rayons X pour déterminer si ce taux de formation stellaire est dû à un courant de refroidissement désinhibé. Puisque l'objet est très lointain (z=1.7), il faut faire nos calculs sans beaucoup de photons et il faut donc utiliser les indices par procuration. Nous déterminons que la galaxie centrale est séparée d'une distance de plus de 50 kpc du coeur froid de l'amas. À cause de cette séparation, le trou noir supermassif central n'est pas alimenté et il ne peut pas prévenir le courant de refroidissement. Ceci est le premier exemple d'un amas de galaxies où nous observons l'échec de la rétroaction d'un trou noir supermassif. De plus, ceci nous fournit un autre mécanisme qui peut créer la lumière intra-amas. Dans le deuxième article présenté ici, nous examinons l'émission rayons X provenant du milieu intra-amas extrêmement chaud des amas de galaxies. Nous développons une méthode compréhensive qui détermine le nombre de composantes thermiques sous-jacentes dans un spectre de plasma. Notre nouvelle technique est basée sur une combinaison d'algorithmes d'apprentissage automatique non supervisé (analyse de composantes principales) et d'apprentissage automatique supervisé (arbre aléatoire). Nous créons un ensemble de 100 000 observations synthétiques et réalistes de Chandra qui représentent le gaz chaud dans les amas de galaxies voisines. Après la réduction de notre ensemble d'entraînement à ses 25 composantes principales, nous entraînons notre classificateur afin qu'il puisse déterminer le nombre de composantes thermiques sous-jacentes. Une fois l'étape d'entraînement terminée et l'optimisation des hyperparamètres terminée, nous appliquons la méthodologie à l'amas de galaxies de Persée. En plus de créer une carte de l'amas qui indique le nombre de composantes thermiques nécessaires afin de modéliser précisément l'émission du gaz chaud, nous avons développé un ensemble d'outils numériques qui calculent les températures associées. Nos résultats sont en accord avec plus d'une décennie d'études sur l'amas de galaxies de Persée et nous indiquent qu'il faut utiliser plusieurs composantes thermiques pour modéliser le milieu intra-amas correctement. Le troisième article présenté dans ce mémoire emploie de nouveau l'apprentissage automatique pour résoudre une question précédemment sans réponse nécessaire pour la caractérisation précise de la cinématique de gaz chaud dans les galaxies. Nous avons construit un réseau de neurones convolutif qui estime la vitesse et l'élargissement des raies d'émission d'un spectre de galaxies en visible. Une fois construit, nous l'appliquons aux données synthétiques qui répliquent les observations réelles de SITELLE du programme SIGNALS. En utilisant notre réseau bien entraîné, nous caractérisons l'émission d'une cible de SIGNALS : la galaxie M33. Nos résultats indiquent que notre algorithme surpasse les méthodes standards et s'adapte bien aux procédures d'ajustement spectral. En outre, notre méthodologie augmente la vitesse des calculs par plus d'un ordre de grandeur. Bien que l'algorithme soit entraîné spécifiquement pour SITELLE, on peut faire de petites modifications pour l'utiliser avec des autres interféromètres tels que MUSE et ses futurs analogues dans la prochaine génération de télescopes. Notez que j'ai mené à titre de premier auteur deux des trois articles présentés dans ce mémoire et apporté des contributions majeures au troisième. Les trois articles ont déjà été acceptés pour publication ou ont déjà été soumis et révisés une fois. / Galaxy clusters are one of the largest structures in the universe and host several complex physical phenomena. Although a wealth of knowledge already exists on their formation and evolution, the recent advent of machine learning in the astronomical sciences has allowed us to probe questions heretofore unanswered. While this thesis does focus heavily on the application of machine learning techniques to X-ray observations of galaxy clusters, it takes the techniques applied there to galaxy cluster's smaller counterparts: the individual galaxies themselves. Although the three papers presented here focus on distinct physics, scales, and techniques, they all form a basis of studies that I will continue during my doctorate: using new techniques to probe the underlying physics of galactic and extragalactic regions. The first paper introduced is a study of a galaxy cluster near the beginning of the epoch of cluster formation exhibiting peculiar attributes such as an elevated stellar formation rate (∽ 900M⊙/yr). In this paper, we employ traditional techniques in X-ray astronomy to determine whether or not the prodigious formation rate is due to an uninhibited cooling core. Since the object is so distant (z=1.7), we must execute our calculations with relatively few photons and thus rely on proxy measures. We determine that there exists a strong cooling flow offset by over 50 kpc from the central galaxy. Because of this offset, the AGN is not fueled and thus fails to heat up the cooling flow. This is the first example of a galaxy cluster in which we observe the failure of AGN feedback. Additionally, this provides another mechanism for the creation of intracluster light. The second article presented here focuses on X-ray emission from the hot intra-cluster medium within the galaxy cluster. We develop a comprehensive method for determining the number of underlying thermal components in the plasma's spectra. Our novel technique relies on a combination of an unsupervised learning algorithm (principal component analysis) and a supervised learning algorithm (random forest classification). We create a set of 100,000 realistic mock Chandra observations of the hot X-ray emitting gas in nearby galaxy clusters. After reducing our synthetic training set to its 25 most important principal components, we trained a random forest classifier to distinguish between the number of underlying thermal components. After successful testing and hyperparameter optimization, we applied the methodology third paper featured in this thesis once again employs machine learning to solve a previously undetermined question necessary for the accurate characterization of the kinematics of the warm gas in galaxies. We constructed a convolutional neural network to estimate the velocity and broadening parameters from the optical spectra of emission-line nebula and applied it to synthetic data replicating real SITELLE observations from the SIGNALS program. With a trained and optimized network in hand, we apply our methodology to a target of the SIGNALS program: the galaxy M33. Our results indicate our algorithm out-performs previous methods and nicely complements spectral fitting procedures. Moreover, the methodology increases calculation speeds by more than an order of magnitude -- thus greatly reducing the time needed to determine the kinematic parameters. Although the algorithm was trained for SITELLE data, this method can be readily ported to other IFUs such as MUSE. I have led two of the papers presented in this memoire and made major contributions to the third. All three papers have been either accepted for publication or have already been submitted and revised once. to the Perseus Cluster. In addition to creating a map of the cluster indicating the number of thermal components required to accurately model the thermal emission, we developed a suite of analysis routines to determine the temperatures of the underlying components. Our results are in agreement with over a decade of studies on the Perseus cluster and indicate that multiple temperature components are required for the accurate study of its intracluster medium.

Les amas des galaxies sont l’une des plus grandes structures liées gravitationnellement de l’univers. Leur dynamique est complexe et bien que plusieurs études multi-longueur d’onde ont été effectuées depuis la fin du 20ème siècle, il persiste plusieurs incertitudes sur les subtilités de leur dynamique. À ce jour, le consensus scientifique est que les trous noirs supermassifs actifs au centre des amas ont un impact important sur l’évolution de ces structures. Le trou noir central agit comme centre gravitationnel, mais lorsque ce trou noir est actif, son rôle ne se limite pas seulement à son impact gravitationnel. D’une part, les trous noirs actifs ont un rôle crucial dans l’émission thermique des amas. En effet, les jets radio influencent l’émission rayons-X des amas en poussant mécaniquement le milieu intra-amas qui émet en rayons-X via l’émission Bremsstrahlung. Ce phénomène engendre la formation de cavités rayons-X qui constituent une preuve de la rétroaction énergétique du trou noir sur l’ensemble de l’amas. Un tel phénomène est nécessaire afin d’expliquer les résultats observationnels qui témoignent d’un refroidissement moins important que prédit théoriquement au centre des amas à cœur froid. D’autre part, il existe de plus en plus d’études qui supportent l’hypothèse que les trous noirs actifs ont un rôle dans la (ré-)accélération de particules relativistes responsables de l’émission synchrotron au cœur des amas à cœur froid. Ces structures appelées mini-halos sont typiquement diffuses en radio et donc difficiles à détecter. Dans ce mémoire, nous étudierons en détail l’émission radio de l’amas de galaxies massif à cœur froid MS 0735.6+7421 (z = 0.216). Cet amas est unique puisqu’il possède les jets radio les plus énergétiques détectés au centre d’un amas à cœur froid. Il s’agit donc d’un exemple de trou noir actif parmi les plus extrêmes connus. Cet objet constitue ainsi une cible parfaite afin d’étudier le lien qui unit la rétroaction du trou noir actif central et l’émission synchrotron au centre des amas à cœur froid. Pour réaliser cette étude, nous avons effectué une analyse radio exhaustive de MS 0735.6+7421 à l’aide de données acquises sur le Karl G. Jansky Very Large Array. Cette analyse a permis de détecter une nouvelle structure radio diffuse jamais détectée auparavant. Cette nouvelle structure possède une puissance radio à 1.4 GHz qui concorde avec celles des mini-halos les plus lumineux. Le résultat principal de notre étude supporte donc l’hypothèse selon laquelle il existe un lien fondamental entre la rétroaction du trou noir actif central et la formation de mini-halos au centre des amas à cœur froid. / Galaxy clusters are one of the largest gravitationally bound structures in the universe. They exhibit complex dynamics and even though several multi-wavelength studies have been conducted since the end of the 20th century, there are still a lot of uncertainties concerning their evolution. To this day, the scientific consensus is that the active supermassive black hole at the center of the cluster has a profound impact on the cluster’s evolution. Indeed, the central supermassive black hole has a substantial gravitational impact, but when the black hole actively accretes material, its role goes beyond its gravitational influence. Active supermassive black holes have a crucial role in terms of the thermal emission in clusters. Indeed, the radio jets influence the X-ray emission of clusters by mechanically pushing the intracluster medium which emits in X-ray via Bremsstrahlung emission. This leads to the formation of X-ray cavities which are proof of the energetic feedback of the central supermassive black hole on the cluster. Such a phenomenon is required to reconcile the observational results that report less cooling at the center of cool core clusters than what is theoretically predicted. Moreover, there are more and more studies that support the hypothesis that active supermassive black holes have a crucial role in the (re-)acceleration of seed particles responsible for synchrotron emission at the center of cool core clusters. These structures are named mini-halos and are usually difficult to detect because they are diffuse. In this Master’s thesis, we will study the radio emission of the massive cool core galaxy cluster MS 0735.6+7421 (z = 0.216). This cluster is unique because it exhibits the most powerful radio jets ever detected at the center of a cool core cluster. It thus contains one of the most powerful active supermassive black holes known. This object is a perfect target to study the link between active black hole feedback and synchrotron emission in cool core clusters. To conduct this study, we performed a radio analysis of MS 0735.6+7421 with new data obtained with the Karl G. Jansky Very Large Array. This analysis led to the discovery of an extended diffuse radio structure. This newly detected structure has a radio power at 1.4 GHz that matches the most luminous mini-halos known in the literature. The principal result of our study argues in favor of the hypothesis that there is a fundamental link between active black hole feedback and the formation of mini-halos at the center of cool core clusters.

No description available.