Mesure du taux d’explosion des supernovae de type Ia en fonction du décalage spectral dans le SuperNovae Legacy Survey Thèse soutenue par Pascal Ripoche.

Présentation au sujet: "Mesure du taux d’explosion des supernovae de type Ia en fonction du décalage spectral dans le SuperNovae Legacy Survey Thèse soutenue par Pascal Ripoche."— Transcription de la présentation:

1 Mesure du taux d’explosion des supernovae de type Ia en fonction du décalage spectral dans le SuperNovae Legacy Survey Thèse soutenue par Pascal Ripoche sous la direction d’Alain Bonissent et Dominique Fouchez 18 octobre CPPM - Marseille

2 Sommaire Théorie et contexte Le SuperNovae Legacy Survey
Simulation de supernovae de type Ia Efficacité de détection Taux d’explosion des supernovae Ia Conclusion 18 octobre CPPM - Marseille

3 Quelques équations Le modèle de concordance Supernovae et Cosmologie
Théorie et contexte Quelques équations Le modèle de concordance Supernovae et Cosmologie 18 octobre CPPM - Marseille

4 Quelques équations Équation d’Einstein: Univers homogène et isotrope :
Métrique Friedmann-Robertson-Walker Tenseur d’un fluide parfait Équations de Friedmann-Lemaître : Évolution de l’Univers dépendante de son contenu 18 octobre CPPM - Marseille

5 Le Modèle de concordance
 = 1 - k ≈ 1 Les contributions : Matière M = 0,3 Energie noire x = 0,7 Rayonnement r = 0,005 Un univers en expansion accélérée X : constante cosmologique et/ou énergie noire? Paramètre discriminant : l’équation d’état wx Fluide w=P/ρ matière rayonnement 1/3 Constante cosmologique énergie du vide -1 Energie noire w<-1/3 18 octobre CPPM - Marseille

6 Paramètres cosmologiques et distance de luminosité
Chandelle standard Flux observé f Redshift z Luminosité intrinsèque L 18 octobre CPPM - Marseille

7 Carbone/Oxygène dégénérés
Les supernovae de type Ia comme chandelles standards? Étoiles légères : jusqu’à 8 masses solaires Durée de vie : quelques milliard d’années La masse de Chandrasekhar est de l’ordre de 1,4 masse solaire Naine blanche Carbone/Oxygène dégénérés Supernovae de type Ia très forte luminosité -chandelles standards (dispersion filtre B : 40 %) Correction de stretch => 15 % 18 octobre CPPM - Marseille

8 Les supernovae Ia : des objets mal compris
Quel type de compagnon ? Géante rouge Naine blanche Quel mécanisme d’ignition ? Ignition centrale Quel mécanisme d’explosion ? Déflagration ou détonation Le stretch? Etude des spectres et des courbes de lumière Etude des galaxies hôtes Contraintes sur les progéniteurs Temps de formation Etude de l’évolution du taux d’explosion Comparaison à l’évolution stellaire Taux de formation d’étoiles Meilleur compréhension  réduction des erreurs systématiques 18 octobre CPPM - Marseille

9 Le SuperNovae Legacy Survey
La collaboration SNLS Buts SNLS La chaine de détection 18 octobre CPPM - Marseille

10 L’expérience SuperNovae Legacy Survey
Collaboration France (IN2P3, CEA, INSU) Canada Etats Unis Buts Mesure des paramètres cosmologiques et de l’équation d’état de l’énergie noire Utilisation des supernovae de type Ia comme chandelles standards Étude supernovae Mesure du taux d’explosion en fonction du décalage spectral Mesure du taux de supernovae en fonction du type et de la morphologie des galaxies hôtes Évolution?             18 octobre CPPM - Marseille

11 Stratégie de Détection
Suivi de 4 champs d’un degré carré chacun pendant 5 ans (18 nuits par période sombre, 6 mois/an ) Télescope : CFHT (Hawaï) + Megacam (36 CCDs) 4 filtres : g(15’), r(30’), i(1h), et z(30’) Méthode : soustraction d’images Jusqu’à z = 1.2 18 octobre CPPM - Marseille

12 Soustraction d’images et recherche glissante
Image de recherche Création d’un catalogue de détections Convolution soustraction Mise en correspondance des détections Image de référence Construction temps réel des courbes de lumières 18 octobre CPPM - Marseille

13 18 octobre 2007 - CPPM - Marseille

14 Courbes de lumière et filtres
Jours Sélection des candidats Les quatre filtres permettent de suivre λB = 436 jusqu’à z = 1 18 octobre CPPM - Marseille

15 Sélection des candidats
Présélection par l’outils ACE : Mise en correspondance des détections Projection des détections dans l’espace des shapelets et réseau de neurones pour la détection des résidus de soustraction Coupures adaptables en fonction des conditions Sélection individuelle par inspection visuelle pour la spectroscopie Résidus typiques de soustraction 18 octobre CPPM - Marseille

16 Spectroscopie Télescopes : Détermination du type
Keck Gemini VLT Détermination du type Mesure de décalage spectral Jusqu’à z=1 Galaxie Sn Sn + Galaxie 18 octobre CPPM - Marseille

17 Statut du SNLS Plus de 350 supernovae Ia détectées et identifiées
Première publication de cosmologie (Astier et al. 2005) univers plat Supernovae SNLS: ΩM = ± (stat) ± (sys) w = −1.023 ± (stat) ± (sys) 18 octobre CPPM - Marseille

18 Simulation de supernovae Ia dans le SNLS
Motivation La méthode Les outils 18 octobre CPPM - Marseille

19 Simulation de supernovae Ia
Pourquoi une simulation : Mesure du taux d’explosion Étude de l’efficacité de détection Optimisation de la chaine de détection Automatisation de la sélection des candidats Étude des biais de sélection (impact sur la mesure cosmologique) Comment : Utilisation d’un modèle spectral de SN Simulation sur images réelles Intégration au pipeline de détection : soustraction, sélection des candidats 18 octobre CPPM - Marseille

20 Paramètres de simulation
Paramètres (principaux) des supernovae : Ra/Dec: coordonnées z : Redshift MW_ E(B-V) : extinction galactique D0: Date du maximum de luminosité s : Stretch c : Couleur (extinction de la galaxie hôte et/ou variabilité des supernovae Ia) disp : terme de dispersion intrinsèque (α, β, Rv) Catalogue de redshift photométrique CFHTLS Ilbert et al. 2006 Carte de poussières galactiques Schlegel et al. 1999 18 octobre CPPM - Marseille

21 Simulation des courbes de lumière
Nouvel ingrédient: Modèle cosmologique Modèle de courbes de lumière : SALT2 (Guy et al. 2007) Filtre g’ Filtre r’ Filtre i’ Filtre z’ 18 octobre CPPM - Marseille

22 Ajout sur image et soustraction
Ajout des supernovae aux images du SNLS Supernovae  objets ponctuels  étoiles Fit de la PSF des étoiles (Point Spread Function) Fit de la PSF moyenne Fit des variations des paramètres de PSF dans le champ Ajout aux images en normalisant la PSF Soustraction Soustraction des images sans supernovae simulées Soustraction des images avec supernovae simulées avec les mêmes alignements et le même noyau de convolution 18 octobre CPPM - Marseille

23 Tests de la simulation Lot de données : Positionnement
72000 SNe simulées points simulés Positionnement Précision 0,1 pixel Pas de décalage significatif Pas de biais attendu : précision << distance d association (3 pixels) Photométrie : calibration à quelques pourcent des flux Fluxrec 18 octobre CPPM - Marseille Fluxtheo

24 Simulation : les outils
Les outils de production : Programmes intégrés à l’outil Poloka Suivi de la production via une base de données SQL Production automatisée Outils d’analyse implémenté en C++ et ROOT Quelques chiffres pour 1 champ et 1 saison : supernovae => courbes de lumières images détections à traiter 1,5 Tbytes d’images à traiter 18 octobre CPPM - Marseille

25 Simulation : conclusion
Simulation paramétrable sur image de supernovae de type Ia Simulation et reprocessing parallèle Production automatisée permettant de traiter d’importants lots de données Simulation intégrée à la chaine de détection Automatisation de la sélection des candidats Mesure des biais de sélection Possible extension de la simulation à d’autre type de supernovae Mesure d’efficacité  mesure du taux d’explosion 18 octobre CPPM - Marseille

26 Efficacité de détection des supernovae Ia
Sélection des candidats Paramètres de détectabilité Efficacité en fonction du décalage spectral 18 octobre CPPM - Marseille

27 Démarche But : mesure de l’efficacité en fonction du redshift
Études des paramètres de détectabilité Mesure des distributions des paramètres grâce aux supernovae identifiées (spectro) Pondération de la simulation Mesure de l’efficacité en fonction du redshift Mag i’ au max Redshift Lot de données étudié : 72000 supernovae sur D1 saison 2 Distributions étendues (couleur, stretch,…) 18 octobre CPPM - Marseille

28 Sélection des candidats
Présélection ACE : Minimum 5 détections passant le réseau de neurones dont S/N >5 Ajustement des courbes de lumière avec SALT2: Ajustement sur la couleur, le stretch et un facteur de normalisation. Le redshift est fixé à sa valeur exacte Coupure I : 18 octobre CPPM - Marseille

29 Magnitude et contraste
Magnitude i’ au max Le contraste (increase i’) Magnitude apparente filtre i’ VEGA au maximum de luminosité Dépendante du redshift, de la couleur, du stretch et du terme de dispersion intrinsèque Effet indépendant de la magnitude 18 octobre CPPM - Marseille

30 Couleur et stretch Stretch Couleur
Mag < 23 : efficacité indépendante du stretch ou de la couleur Mag > 23 : dépendance faible à la couleur (<10%) et forte au stretch (20%) 18 octobre CPPM - Marseille

31 Inefficacités à forte luminosité
Pour magi < 22 : 7% d’inefficacité Les masques (54% x 7%) Masques de saturation principalement Résidu de satellites (sur l’image de référence) Magnitude de fond < (19% x 7%) Différent de l’increase Différent des masques Problèmes techniques et combinaisons diverses 18 octobre CPPM - Marseille

32 Paramètres de détectabilité et distributions réelles
Pour magi < 23 :Aucune dépendance de l’efficacité au stretch et a la couleur  Échantillon non biaisé par la sélection  On utilise les supernovae identifiées par spectroscopie à bas redshift pour mesurer les distributions de stretch et de couleur Effet de contraste indépendant de la magnitude  On pondère la distribution en entrée de simulation pour obtenir une distribution comparable aux données réelles en sortie de la chaine de détection. Stretch couleur Comparaison après sélection contraste Supernovae identifiées z<0,6 18 octobre CPPM - Marseille

33 Pondération et efficacité de détection en fonction du décalage spectral
Sans pondération Pondération (s,c,disp) Pondération (s,c,disp,inc) Simulation : Avant pondération Après pondération Données réelles Méthode de mesure de l’efficacité en fonction du décalage spectrale Étude des biais de sélection Mesure du taux d’explosion des supernovae Ia 18 octobre CPPM - Marseille

34 Taux d’explosion des supernovae de type Ia
Sélection photométrique des candidats Taux, correction et systématiques Littérature et modèle 18 octobre CPPM - Marseille

35 Objets identifiés par spectroscopie
Lot de données SnIa SnIa? SnI SN SnII SnIb/c 139 52 1 77 17 5 Données réelles : 10 champ/saisons 2,5 années de données SNLS 3053 candidats avant sélection Données de spectroscopie : 291/3053 objets détectés en temps réel et envoyés en spectroscopie Précision sur le redshift: 0,001 Lot de contrôle Catalogue de redshift photométrique des galaxies Précision sur le redshift: 0,05 20% de redshifts erronés (comparaison aux redshifts des sne après association) Simulation : 10 champ/saisons supernovae simulées Objets identifiés par spectroscopie 18 octobre CPPM - Marseille

36 Sélection (1) Fit des courbes de lumière (SALT2)
Z fixé par le redshift photométrique Normalisation libre Coupure I : Coupure sur la normalisation : Elimination des redshift erronées Elimination de la contamination Coupure II : ,25 < normalisation < 1.8 18 octobre CPPM - Marseille

37 Sélection (2) Coupé par le chi2 Gardé par le chi2
La coupure sur la normalisation élimine les supernovae de type II et Ib/c moins lumineuses et les redshifts erronés 18 octobre CPPM - Marseille

38 Sélection (3) Amélioration significative du redshift photométrique
inefficacité liée au redshift photométrique 11% Contamination avérée 1.7% (1 Sn II et 1 Sn b/c) Estimation de la contamination moyenne : 3.4% type Lvl 1 Coupure I Coupures I & II SnIa 139 123 118 SnIa? 52 45 44 SnI 1 Sn 77 47 37 SNII 17 4 SNIb/c 5 18 octobre CPPM - Marseille

39 Les données de spectroscopie ne sont pas utilisées
Taux Photométrique Les données de spectroscopie ne sont pas utilisées SNIa spec SN spec SN no spec 3.4% 89% Efficacité combinée de toutes les saisons 18 octobre CPPM - Marseille

40 Correction de la dispersion du redshift photométrique
Simulation de la mesure Taux théorique + efficacité  taux observé attendu On disperse et on calcule le taux observé itérations Fonction de dispersion 18 octobre CPPM - Marseille

41 Correction de la dispersion du redshift photométrique
Avant correction Après correction Erreurs noires : stat Erreurs rouges : stat + correction 18 octobre CPPM - Marseille

42 Erreurs systématiques
Dispersion du redshift photométrique Estimation de l’inefficacité photométrique Effphot = 89 ± 5% Contamination <conta> = 3.4% min :1.7% max : 3.4% x (2+z) Calibration en flux de la simulation Calibration des flux à ±5% Distribution (stretch/dispersion/couleur) 18 octobre CPPM - Marseille

43 Taux Photométrique Resultat
N snIa /Mpc3/an z Spectroscopie inexploitée : contamination : 2 supernovae non Ia Redshifts spectroscopiques inutilisés 18 octobre CPPM - Marseille

44 Taux spectroscopique (1)
Nouvelles coupures : sélection spectroscopique SNIa spec SN spec SN no spec 18 octobre CPPM - Marseille

45 Taux spectroscopique (2)
On suppose que l’absence de spectroscopie est aléatoire (temps disponible, méteo)  on estime l’efficacité spectroscopique : 69% ±10% On n’utilise que les supernovae Ia identifiées Pas d’erreur sur les redshifts Pas de contamination Nouvelle systématique d’efficacité spectro Pas de spectroscopie pour z >1 18 octobre CPPM - Marseille

46 Méthode combinée Les avantages des 2 méthodes
Sélection : coupures photométriques (coupure I & II) On utilise le redshift spectroscopique et le type s’ils sont disponibles Réduction de la contamination (aucune contamination avérée) Réduction de la correction de dispersion des redshift 18 octobre CPPM - Marseille

47 Comparaison des méthodes
Z phot Pas de biais apparent Z spec SNIa spec SN spec SN no spec La méthode combinée permet de corriger deux effets : variation de l’efficacité spectroscopique accumulation de redshift photométrique 18 octobre CPPM - Marseille

48 Discussion L’efficacité est calculée pour des supernovae Ia « standards ». Y a-t-il des sous-classes? Les supernovae Ia sous-lumineuses : 3 SNe sous-lumineuses éliminées par la coupure sur la normalisation dans notre échantillon . Estimation : facteur de correction maximum : 1.19 Sélection compatible avec la spectroscopie du SNLS Contamination : l’échantillonnage des supernovae à grand z est satisfaisant et l’estimation semble correcte 18 octobre CPPM - Marseille

49 Taux et littérature Réf Nb sne % spectro Pain et al. 38 74%
Niel et al. 77 75% Barris et Tonry 98 23% Hardin et al. 4 100% Blanc et al. 16 Dahlen et al. 25 80% Cette étude 435 42% 18 octobre CPPM - Marseille

50 Taux et modèle Modèle : SFR : Beacon et al. 2006
Taux d’explosion = taux de formation d’étoile (SFR) + délai (τ ) SFR : Beacon et al. 2006 18 octobre CPPM - Marseille

51 Conclusion 18 octobre CPPM - Marseille

52 Conclusion Nous avons développé une simulation intégrée à la chaîne de détection permettant un traitement systématique de toutes les données du SNLS. Grâce à la simulation, nous avons pu étudier les paramètres de détectabilité et ainsi remonter aux distributions des paramètres des supernovae. Cette étude a permis de pondérer la simulation permettant ainsi d’étudier l’efficacité en fonction du décalage spectral. La combinaison de la mesure d’efficacité avec l’utilisation d’un catalogue de redshifts photométriques nous a permis une mesure précise de l’évolution du taux d’explosion en fonction du décalage spectral. Nous avons finalement contraint un modèle simple de taux d’explosion. Amélioration possible par la statistique ou la spectroscopie Etude possible du taux en fonction du type de galaxie hôte 18 octobre CPPM - Marseille

53 The End 18 octobre CPPM - Marseille

54 Les erreurs Statistique et spectroscopie
Photométrie variabilité des supernovae Ia 18 octobre CPPM - Marseille

55 Courbes de lumières (Z >1)
18 octobre CPPM - Marseille 18 octobre CPPM - Marseille 55

56 Courbes de lumières (Z >1)
18 octobre CPPM - Marseille 18 octobre CPPM - Marseille 56

57 Supernovae sous-lumineuse et incomplétude
Sans coupure Coupure chi2 Supernovae sous lumineuse? 18 octobre CPPM - Marseille 18 octobre CPPM - Marseille 57

58 Accélération de l’expansion
Les composantes Etude des grandes structures Rotation de galaxies Lensing : déviation de la lumière par les amas de galaxies CMB supernovae Matière noire 26% Accélération de l’expansion Energie noire 70% Matière baryonique 4% Rayonnement < 1% Ωtotale ≈ 1 18 octobre CPPM - Marseille

59 Test de la correction de dispersion
Sn spectrées z spectro Sn spectrées z photo N z photo / N z spectro Correction 18 octobre CPPM - Marseille 18 octobre CPPM - Marseille 59

60 Magnitude de fond Magnitude de fond ≠ masquage INCREASE
mag >22  Effet homogène pour mag < 22  Effet dépendant de la magnitude de fond 18 octobre CPPM - Marseille 18 octobre CPPM - Marseille 60

61 Dépendance temporelle
Date du maximum de luminosité 18 octobre CPPM - Marseille 18 octobre CPPM - Marseille 61

62 Dépendance UV 18 octobre CPPM - Marseille