Élucider l'Univers sombre : propriétés des neutrinos et de la matière noire avec Euclid et SKA – DarkES

La nature de la matière noire et les propriétés des neutrinos cosmiques restent deux questions cruciales en physique fondamentale. Les observations cosmologiques fournissent des informations sur la masse totale des neutrinos et l’abondance de la matière noire, ainsi que sur leurs propriétés microscopiques, telles que les auto-interactions, les interactions avec les particules du modèle standard, la nature ondulatoire ou particulaire de la matière noire, et sa vitesse thermique. Ces propriétés laissent des empreintes distinctes sur les grandes structures cosmiques, qui peuvent être étudiées par la distribution des galaxies résolues individuellement dans les relevés spectroscopiques et par les fluctuations de la lumière des galaxies dans cartes d'intensité de raies spectrales. Compte tenu du volume et de la précision des futurs relevés de galaxies comme Euclid et des projets de cartographie d'intensité à grand champ comme le SKA, il est urgent d'explorer le potentiel des observations pour révéler les propriétés du secteur sombre. Cependant, la précision croissante et le volume des données posent des défis pour garantir que les modèles théoriques et les outils d'analyse évoluent avec la même précision. Notre recherche vise à développer un cadre robuste et efficace intégrant une large gamme de modèles de neutrinos et de matière noire, en évaluant leurs effets sur les statistiques des grandes structures mesurées par le spectre de puissance et le bispectre des galaxies ou des cartes d'intensité. Plus précisément, nous allons généraliser des méthodes analytiques existantes—notamment la théorie effective des grandes structures—pour inclure les effets des neutrinos massifs et des modèles de matière noire non standards. En s'appuyant sur l'expertise des deux chercheurs principaux, ce projet s’inscrit dans le carde d'efforts récents pour améliorer le code CLASS-Oneloop et permettre une analyse complète de ces ensembles de données.