 z=0.1. Qui? Alexandra Abate Réza Ansari Aurelien Barrau Jean-Eric.

Présentation au sujet: " z=0.1. Qui? Alexandra Abate Réza Ansari Aurelien Barrau Jean-Eric."— Transcription de la présentation:

1  z=0.1

2 Qui? alexandraabate@GMAIL.COM Alexandra Abate ansari@LAL.IN2P3.FR Réza Ansari barrau@IN2P3.FR Aurelien Barrau campagne@LAL.IN2P3.FR Jean-Eric Campagne cecile.cavet@APC.UNIV-PARIS7.FR Cécile Cavet choyer@LPSC.IN2P3.FR Adeline CHOYER johann.cohen-tanugi@LUPM.IN2P3.FR Johann Cohen-Tanugi combet@LPSC.IN2P3.FR Celine Combet dagoret@LAL.IN2P3.FR Sylvie Dagoret-Campagne blanc@LAL.IN2P3.FR Blanc Guillaume habibi@LAL.IN2P3.FR Farhang Habibi olivier.ilbert@LAM.FR Olivier Ilbert lejeune@APC.IN2P3.FR Maude Le Jeune moneuse@LPSC.IN2P3.FR Marion MONEUSE moniez@LAL.IN2P3.FR Marc Moniez eric.nuss@UNIV-MONTP2.FR Eric Nuss rcecile@IN2P3.FR Cecile Renault ricol@LPSC.IN2P3.FR Jean-Stephane Ricol roucelle@IN2P3.FR Cecile Roucelle samuel.j.schmidt@GMAIL.COM Samuel Schmidt stephane.arnouts@LAM.FR Stéphane Arnouts Activité démarrée depuis quelques années ; une publication + notes 14:00 Principes généraux de la détermination des redshifts photométriques 15’ : marc moniez 14:15 SEDs pour programmes de photo-Z 15’ : Jean-Stephane RICOL, Eric nuss 14:30 Catalogues spectro-photométriques 15’ : Cécile Roucelle 14:45 Codes de détermination de photo-Z: 15’ : Johann COHEN-TANUGI 15:00 Séparation étoiles-galaxies-quasars 15’ : F. Habibi 15:15 Mesure de P(k), détermination de l'échelle BAO avec catalogue simulé 15’ : Cécile Renault 15:30 Discussion 20’

3 14:00 Principes généraux de la détermination des redshifts photométriques 15’ : marc moniez 14:10 SEDs pour programmes de photo-Z 15’ : Jean-Stephane RICOL, Eric nuss 14:20 Catalogues spectro-photométriques 15’ : Cécile Roucelle 14:35 Codes de détermination de photo-Z: 10’ : Johann COHEN- TANUGI 15:05 Séparation étoiles - galaxies - quasars 15’ : F. Habibi 15:15 Mesure de P(k), détermination de l'échelle BAO avec catalogue simulé 15’ : Cécile Renault 15:30 Discussion 20’

4 Photometric redshift A critical issue for cosmology with LSST -10 10 galaxies cannot be spectroscopically measured -LSST: Calibration until z=3 -> need 75 000 spectra (~50% already exist) Measure z with only 6 colors ugrizy – Simultaneous fit of galaxy type, reddening and z – Template fitting and neural network techniques validated with data and tuned with simulation – LSST requirement:  z /(1+z)<0.05 (target 0.02) / <10% 3  outliers / bias<0.003 true redshift z photometric z

5

6 Complications Les couleurs d’une galaxie sont affectées par – Type galactique (variable discrète) – Absorption poussières: relié à la direction de visée (poussière voie-lactée) et à l’inclinaison de la galaxie – Redshift Il n’y a pas que des galaxies dans le catalogue – Pollution étoiles/quasars -> Farhang Donc a priori 3 variables à peu près indépendantes à déterminer avec 6 mesures photométriques.

7 LSST System throughput Y4-Band out atm. (nm) Transmission or efficiency in %

8 Précision photo-Z: instrument moyen Connaissance des filtres moyens – Bande passante des filtres vs temps et position -> métrologie – Séquence d’observations Connaissance de l’efficacité quantique des CCD – Possible d’avoir 2 CCD différents / Variation entre CCD Connaissance de la transmission atmosphérique – Distribution des conditions atmosphériques et des transmissions associées Concerne a priori les images stackées, mais…

9 Précision photo-Z: instrument instantané … Mais, si on dispose pour chaque objet- observation de La bande passante effective instantanée L’efficacité quantique des CCD La transmission atmosphérique On peut espérer améliorer l’information spectrale (au prix du partage du temps de pose). – En cours d’examen pour le filtre Y sensible à H 2 O -> Sylvie et Guillaume

10 Précision photo-Z: analyse Le problème: déterminer 3 paramètres – avec risques de mauvais minimum (redshift catastrophique) – La meilleure précision possible Deux classes de techniques -> Johann – Ajuster les données aux « patrons » obtenus à partir des différents types galactiques – Techniques d’apprentissage supervisé -> échantillons d’apprentissage – > connaître les SED et distributions des types -> Jean-Stéphane, Eric, Cécile On peut aussi considérer un « golden sample » Indépendamment, utilisation d’autres informations pour des déterminations statistiques – les redshifts de galaxies voisines sont corrélés à cause du clustering -> On peut exploiter la proximité de galaxies spectrées Impact des systématiques de photoZ sur l’estimation de paramètres cosmologiques -> Cécile Combinaison avec Euclid, VISTA…

11 A. Carnero et al. MNRAS 2011 Using Luminous Red Galaxies SDSSII Detection at 2.3  For z > 0.5 (bad photo-z quality below this value) the golden Photo-z’s way

12 Précision photo-Z: analyse Le problème: déterminer 3 paramètres – avec risques de mauvais minimum (redshift catastrophique) – La meilleure précision possible Deux classes de techniques -> Johann – Ajuster les données aux « patrons » obtenus à partir des différents types galactiques – Techniques d’apprentissage supervisé -> échantillons d’apprentissage – > connaître les SED et distributions des types -> Jean-Stéphane, Eric, Cécile On peut aussi considérer un « golden sample » Indépendamment, utilisation d’autres informations pour des déterminations statistiques – les redshifts de galaxies voisines sont corrélés à cause du clustering -> On peut exploiter la proximité de galaxies spectrées Impact des systématiques de photoZ sur l’estimation de paramètres cosmologiques -> Cécile Combinaison avec Euclid, VISTA…

13 Photo-z calibration : cross-correlation option Most LSST planned targets are too dim to get spectroscopic redshifts for en masse Existing redshift surveys are highly and systematically incomplete & redshift success rate depends on both color and magnitude Photometric sample ( e.g DES) Spectroscopic sample (e.g DEEP2)  cross-corelation methods: exploiting redshift information from galaxy clustering Galaxies of all types cluster together: trace same dark matter distribution Galaxies at significantly different redshifts do not cluster together From observed clustering of objects in one sample with another (as well as information from their autocorrelations), can determine fraction of objects in overlapping redshift range A few tens of thousands of spectra per unit z are required to calibrate LSST More : J.Newman et al. http://arxiv.org/abs/1309.5384

14 Précision photo-Z: analyse Le problème: déterminer 3 paramètres – avec risques de mauvais minimum (redshift catastrophique) – La meilleure précision possible Deux classes de techniques -> Johann – Ajuster les données aux « patrons » obtenus à partir des différents types galactiques – Techniques d’apprentissage supervisé -> échantillons d’apprentissage – > connaître les SED et distributions des types -> Jean-Stéphane, Eric, Cécile On peut aussi considérer un « golden sample » Indépendamment, utilisation d’autres informations pour des déterminations statistiques – les redshifts de galaxies voisines sont corrélés à cause du clustering -> On peut exploiter la proximité de galaxies spectrées Impact des systématiques de photoZ sur l’estimation de paramètres cosmologiques -> Cécile Combinaison avec Euclid, VISTA…

15

16 SUPPLEMENTS

17 The Expected Sensitivity Leads to Near Complete Samples Out to High Redshifts Evolving L* Red Sequence GalaxyEvolving L* Lyman-Break Galaxy Full survey 10’s sq. deg.

18 « To do » liste – à compléter Comparaisons entre programmes, échanges de templates Etude de templates Améliorations listées dans le papier – Incertitudes photométriques source étendue – Contamination stellaire – Catalogues de spectres (types SED) – Absorption voie lactée et galaxie hôte – Etude dégénerescences (z, extinction, type) Rétroaction sur la définition de la bande passante des filtres Actions pour obtenir des spectres (ESO) – Etat des lieux (bibliothèques spectro-photo) – Définir stratégie scientifique Temps d’obtention d’un spectre Problématique des biais de sélection – Stratégie politique dans LSST et à l’ESO LSST et EUCLID