L'astronomie des ondes gravitationnelles (GW) a transformé notre compréhension de l'Univers : les détections directes réalisées par le réseau LIGO-Virgo-KAGRA (LVK) ont déjà offert une sonde sans précédent des populations d'objets compacts (CO) et de la relativité générale (GR) en régime de champ fort, hautement dynamique. Le Laser Interferometer Space Antenna (LISA), dont le lancement est prévu dans les années 2030, sera la première mission à détecter des GW depuis l'espace, dans la bande de basse fréquence de 10⁻⁴ à ∼1 Hz, une fenêtre entièrement inaccessible depuis le sol, abritant un paysage de sources fondamentalement différent : des signaux persistants et superposés provenant de binaires de trous noirs massifs (MBHB), de binaires galactiques (GB) et d'inspirals à rapport de masse extrême (EMRI), observés en continu pendant des années plutôt que pendant les quelques secondes typiques d'une détection au sol.
Concentrant sur les MBHB, tester la GR est l'un des objectifs phares de LISA, mais les rapports signal-sur-bruit (SNR) élevés de LISA font que les erreurs systématiques de modélisation de forme d'onde peuvent dominer l'incertitude statistique, menaçant les paramètres reconstruits et toute déviation inférée de la GR. Nous développons un test paramétrique de la GR pour les inspirals de MBHB de LISA, puis quantifions comment une mauvaise modélisation de forme d'onde peut simuler une déviation de la GR, et testons si des prédictions analytiques rapides de ces biais peuvent remplacer une inférence bayésienne complète, coûteuse en calcul.
Nous étudions ensuite les systématiques de bruit : l'avant-plan galactique non résolu, modulé par la rotation annuelle de LISA, est cyclostationnaire plutôt que strictement stationnaire, contrairement à l'hypothèse de la vraisemblance standard. Nous dérivons la covariance exacte dans le domaine fréquentiel induite par cette cyclostationnarité et quantifions son impact sur l'estimation de paramètres (PE) des GB individuellement résolvables.
Enfin, les EMRI, formés par un CO de masse stellaire spiralant vers un trou noir massif (MBH) central, complètent des centaines de milliers de cycles orbitaux. Deux défis se dressent entre cette promesse et sa réalisation. Premièrement, la grande majorité des EMRI ne sera jamais résolue individuellement, et l'hypothèse, jamais testée, que leur émission collective forme un fond stationnaire et gaussien est ici directement vérifiée en caractérisant ses propriétés statistiques. Deuxièmement, pour la population résolvable, le canal de formation des EMRI demeure incertain, motivant une mise à jour des taux de détection de LISA. Vérifier que cette précision est atteignable est lui-même un défi : la longue durée et le riche contenu harmonique des EMRI rendent l'inférence bayésienne complète prohibitive à l'échelle d'un catalogue, contrairement aux autres classes de sources. Nous utilisons donc la matrice de Fisher (FM), validée directement contre l'inférence bayésienne complète pour un sous-ensemble représentatif de sources.
À travers les trois classes de sources, la même leçon revient : la précision que promet LISA est conditionnée à ce que les outils utilisés pour l'interpréter soient non seulement rapides, mais démontrablement fiables. Cette thèse contribue directement à cet objectif, en amont du lancement de LISA. |
Gravitational wave (GW) astronomy has transformed our understanding of the Universe:
the direct detections achieved by the LIGO-Virgo-KAGRA (LVK) network have already
provided an unprecedented probe of compact object (CO) populations and of general relativity (GR) in the strong-field, highly dynamical regime. Looking ahead, the Laser Interferometer Space Antenna (LISA) will be the first mission to detect GWs from space. Expected to launch in the 2030s, it will operate in the low-frequency band from 10⁻⁴ up to ∼1 Hz, a window entirely inaccessible from the ground, hosting a source landscape of a fundamentally different character: long-lived, overlapping signals from massive black-hole binaries (MBHBs), galactic binaries (GBs), and extreme mass ratio inspirals (EMRIs), observed continuously over years rather than the few seconds typical of a
ground-based detection.
Focusing first on MBHBs, testing GR is one of LISA’s flagship science goals, but the high
signal-to-noise ratios (SNRs) achievable for LISA’s loudest sources mean that systematic
errors from imperfect waveform models can come to dominate entirely over the statistical
uncertainty, threatening both the recovered astrophysical parameters and any inferred
deviation from GR.
We develop a parameterized test of GR tailored to LISA MBHB-inspirals, and then turn
this same framework on itself: we directly quantify how waveform mismodeling can be
mistaken for spurious GR deviation, and test whether fast analytical predictions of the
resulting biases can be trusted in place of expensive full Bayesian inference.
We then turn to noise systematics: the unresolved Galactic foreground is modulated by the annual rotation of the LISA constellation, rendering it cyclostationary rather than the
strictly stationary process assumed by the standard frequency-domain likelihood. We
derive the exact frequency-domain covariance induced by this cyclostationarity and
quantify its impact on the parameter estimation (PE) of individually resolvable GBs.
Finally, we turn to EMRIs, formed by a stellar-mass CO slowly spiralling into a massive
black hole (MBH) at a galactic centre, completing hundreds of thousands of orbital cycles.
Two distinct challenges stand between this promise and its realization. First, the vast
majority of EMRIs will never be individually resolved, and whether their collective
unresolved emission can safely be treated as the stationary, Gaussian background, as
standard LISA inference assumes, has never been rigorously tested; we address this
directly, characterizing the statistical properties of the resulting stochastic background.
Second, for the individually resolvable population, the EMRI formation channel remains
astrophysically uncertain, motivating an update to LISA’s expected detection rates. For
this resolvable population, verifying that the promised parameter precision is actually
achievable is itself non-trivial: the long duration and rich harmonic content of EMRI
signals make full Bayesian inference computationally prohibitive at catalog scale, unlike
for other source classes, so we rely on the fast Fisher matrix (FM) formalism instead,
directly validated against full Bayesian inference for a representative subset of sources.
Across all three source classes, the same lesson recurs: the precision LISA promises is
conditional on the tools used to interpret its data being not only fast, but demonstrably
trustworthy. This thesis contributes directly to that goal, ahead of LISA’s launch. |