Download
supernovae grand z tude des erreurs et des biais dans snls n.
Skip this Video
Loading SlideShow in 5 Seconds..
Supernovae à grand z Étude des erreurs et des biais dans SNLS PowerPoint Presentation
Download Presentation
Supernovae à grand z Étude des erreurs et des biais dans SNLS

Supernovae à grand z Étude des erreurs et des biais dans SNLS

156 Vues Download Presentation
Télécharger la présentation

Supernovae à grand z Étude des erreurs et des biais dans SNLS

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Supernovae à grand z Étude des erreurs et des biais dans SNLS Présenté parPascal Ripoche thèse réalisée auCPPMsous la direction deDominique Fouchez

  2. Sommaire • Présentation de l’expérience SNLS • Buts de l’expérience SNLS • Stratégie de recherche • Résultats actuels et à venir • Supernovae à grand z – Étude des erreurs et des biais • Erreurs et supernovae à grand z • Contamination • Simulation

  3. Présentation de l’expérience SNLS • Buts de l’expérience SNLS • Stratégie de recherche • Résultats actuels et à venir • Supernovae à grand z – Étude des erreurs et des biais • Erreurs et supernovae à grand z • Contamination • Simulation

  4. L’expérience Supernovae Legacy Survey • Collaboration • France (IN2P3, CEA, INSU) • Canada • … • Buts • Mesure des paramètres cosmologiques Utilisation des supernovae de type Ia comme chandelles standards • Étude supernovae • Mesure du taux de supernovae en fonction du type et de la morphologie des galaxies hôtes • Évolution?

  5. 1/3 MN 2/3 énergie noire Problématique X : constante cosmologique et/ou énergie noire?  = 1,02 ± 0,02 (WMAP, Spergel et al., 2003) Les contributions : • M = 0,27 ± 0,04 • x = 0,73 ± 0,04 But de SNLS: mesure de X et X

  6. Paramètres cosmologiques, distance lumineuse Objets lointains très lumineux Flux observé f Redshift z Luminosité intrinsèque L de luminosité connue • Supernovae de type Ia • très forte luminosité • -chandelles standards (dispersion : 40 %) Correction de stretch => 15 %

  7. Suivi de 4 champs d’un degrés carré chacun pendant 5 ans (18 nuits par période sombres, 5 mois ) Stratégie de recherche • Détection et photométrie • Télescope : CFHT (Hawaï) + megacam (36 CCDs) • 4 filtres : g(15’), r(30’), i(1h), et z(30’) • Méthode : soustraction d’images • Scanning individuel des candidats • Identification et mesure du redshift • Télescopes: VLT, Gemini, Keck et Magellan • Mesure de z • Détermination de la nature de la SN

  8. Exemple desupernova 05D2fo / R26D2-6 /c050317-14 D2/ccd_20 10:01:18.764 : 02:04:34.39

  9. Résultats actuels et à venir • Résultats actuels: 130 snIa détectées et spectrées: • Objectif: 1000 supernovae détectées dont 700 supernovae de type Ia détectées et spectrées sur 5 ans

  10. Supernovae à grand z Étude des erreurs et des biais Étude preliminaire effectuée sur le potentiel des évènement à grand redshift. • Effet de l’augmentation de statistique • Effet de la contamination • conclusions

  11. Hypothèses de départ • Stat: SNLS (5 ans) + Tololo • Hypothèses : • Dispersion intrinsèque : 0,153 • Modèle concordant (ΩM = 0,3 ; ΩX = 0,7 ; w = -1) • Résultats: 3-fit(M,X,w) + flatness : ErrM = ± 0,211 ErrX = ± 0,215 Errw = ± 0,633

  12. Événements à grand z • Intérêts des SN à grand z (0,8 à 1,0) • Statistique importante • Fort bras de levier (a priori) • Difficultés attendues • Faible luminosité • Spectroscopie impossible => risque de contamination • Limite de visibilité => Biais de sélection important gain pouvant atteindre 50%

  13. Précisions et gain avec high z • Hypothèses: • SNLS(5ans)+Tololo+récupération grand z • récupération entre z = 0,8 et 1 • Résultats: • Gain de 15 % de précision ( ) 3-fit( M,X,W) flat = 1 ± 0,04 Précision à 1 sigma pour une récupération de 100%, 50% et 0%

  14. Erreur et récupération • Hypothèses: • Low Error: Erreurs< dispersion intrinsèque (0,153) • Récupération high z : 100% High z d’autant plus intéressantes si l’erreur diminue 3-fit(M,X,W) flat = 1 ± 0,04 SNLSSNLS+RécupSNLS Low ErrorSNLS+Récup Low Error 100% de récupération avec Low Error => jusqu’à 30% de gain de précision

  15. Effet de la contamination • Hypothèses de contamination • Objets suivant la loi de Hubble et identifiés comme SNIa => décalage en magnitude • Objets fittés avec la dispersion intrinsèque des SNIa • 2 Paramètres : décalage en sigma (= 0,153) ettaux de contamination des SN récupérées • Conclusion • il faut une contamination < 5% pour un biais < 0.05

  16. Type de contamination : SNII et objets spectrés ? Les objets spectrés: • Séparation SNIa SNII à 3-4 sigma • Autres objets ? Imax vs z

  17. Simulation Simulation de courbe de lumière de supernovae Ia sur image: Ajout de supernovae sur plusieurs nuits successives, dans le framework de production SNLS , avec gestion et bookkeeping des différents paramètres de la simulation : nombre de SN , z, position / galaxie etc.. • Paramètre: position RaDec, redshift, stretch, alpha, extinction • Template de courbe de lumière multifiltre • Difficulté: bruit de fond, PSF, temps d’exposition,… • Solution: le copier-coller

  18. Première exploitation de la simulation • Première simulation : 1500 sn sur 5 mois d’images dans 4 filtres • sélection automatique développée à Marseille (shapelet et réseau de neurone) • Étude d’efficacité de sélection des SN

  19. Conclusion et perspectives • Fort potentiel des supernovae à grand z • Importance de l’estimation des erreurs et biais : exemple contamination • Un outils pour ces estimations : la simulation , déjà bien avancée .. Sera améliorée suivant les besoins et mis a la disposition de la collaboration • Encore beaucoup de données à venir avec SNLS, qui donneront toute son importance à une étude précise des effets systématiques

  20. Travail à venir • Détermination de l’efficacité de sélection => biais de Malmquist • Estimation du taux de contamination • Estimation des biais de sélection • Mesure des effets systématiques • Influence de la luminosité de la galaxie hôte • Influence de la position de la SN…