Recherche et Étude de Supernovæ Mesure du Taux d’Explosion Guillaume Blanc sous la direction de James Rich Service de Physique des Particules CEA Saclay – DAPNIA Aperçu Les supernovæ : des feux d’artifice cosmiques La recherche de supernovæ avec EROS La mesure du taux d’explosion de supernova de type Ia Des explosions d’étoiles ! I On observe différents types de supernovæ (classifiées selon leurs spectres essentiellement) : • type II, Ib/c = effondrement gravitationnel d’une étoile massive • type Ia = explosion thermonucléaire d’une naine blanche I Grande homogénéité observationnelle des supernovæ de type Ia Les courbes de lumière Les courbes de lumière SNe Ia : les plus lumineuses au maximum de lumière exceptée une poignée de SNe Ic : des hypernovæ... Les spectres... log(flux) De nombreuses raies larges (vitesses d’expansion ∼ 10 000 km · s−1 ) Raies en profils P-Cygni, typiques des atmosphères en expansion longueur d’onde (Å) Les spectres... log(flux) De nombreuses raies larges (vitesses d’expansion ∼ 10 000 km · s−1 ) Raies en profils P-Cygni, typiques des atmosphères en expansion longueur d’onde (Å) Effondrement gravitationnel : SNe II, Ib/c Épuisement du combustible nucléaire : le cœur de fer s’effondre → Étoile à neutrons (trou noir ?) L’enveloppe rebondit sur la surface de l’astre compact → SUPERNOVA ! Effondrement gravitationnel : SNe II, Ib/c Épuisement du combustible nucléaire : le cœur de fer s’effondre → Étoile à neutrons (trou noir ?) L’enveloppe rebondit sur la surface de l’astre compact → SUPERNOVA ! Le progéniteur : étoile de masse > 8 M II rogène Hyd Hélium Fer Ib Ic Hélium Fer Fer Explosion thermonucléaire : SNe Ia Système binaire (Naine Blanche C/O + Étoile de la Séquence Principale ou Géante Rouge) Accrétion d’hydrogène/hélium (∼ 10−7 M /an → combustion stable en surface) MNB % =⇒ ρcentre % Pour ρcentre ∼ 1012 kg · m−3 , la combustion du carbone s’allume (MNB . Masse de Chandrasekhar — 1.4 M , ρch ∼ 3 · 1013 kg · m−3 ) Naine Blanche = gaz d’électrons dégénérés : P ∝ ρΓ Quand T %, P n’augmente pas : équilibre hydrostatique impossible → explosion ! SN Ia : l’explosion ! Déflagration = combustion par conduction électronique (subsonique) Détonation = onde de choc supersonique La naine blanche est entièrement détruite Allumage Déflagration Transition Déflagration/ Détonation Détonation Libre expansion C/O groupe de Si groupe de Fe 12 C + 12 C → .. . Ne, Mg, Na, α, p, n → .. . groupe de Si → groupe de Fe (Ni) ∼ 0.6 M de Ni produit ! SN Ia : des chandelles standards ? MB − 5 log h65 Chandelle standard = objet dont la luminosité est constante d’un événement à l’autre mesuré jours standardisé jours SN Ia : des chandelles standards ? MB − 5 log h65 Chandelle standard = objet dont la luminosité est constante d’un événement à l’autre mesuré jours σ ∼ 0.4 mag standardisé jours SN Ia : des chandelles standards ? MB − 5 log h65 Chandelle standard = objet dont la luminosité est constante d’un événement à l’autre mesuré standardisé jours σ ∼ 0.4 mag jours σ ∼ 0.1 mag Supernovæ de type Ia : les meilleures chandelles standards ! « Standardisation » Phillips (1993) — ∆m15 (Luminosité au max) ∝ (- Taux de décroissance) ∆m 15 + 15 jours bright ∆m15 < 1.1 : courbe de lumière large — déclin lent — plus lumineuse ∆m15 > 1.1 : courbe de lumière étroite — déclin rapide — moins lumineuse 1.07 2 mag ∆m15(B) 1991T 1990N 1.31 1.0 Mo 2.0 Mo 0.8 Mo 1.4 Mo total Ni mass mass 56 1994D 1.47 0.6 Mo 1.4 Mo 0.4 Mo 1.4 Mo 0.1 Mo 0.7 Mo 1992A 1.95 faint ∆m15 dépend de l’opacité, qui dépend de la température qui dépend de MNi SN Ia 0.94 1991bg Évolution chimique et SNe (SN Ia+SN II) / Solar 10 O Ne Mg Si Na Al Fe P S Ar Ca Ni Cr 1 Ti Mn C Co Cl .1 K V Sc w70 r = 0.07 .01 10 20 30 40 Mass Number 50 60 70 Évolution chimique et SNe SNe II ∼ 2 M d’Oxygène / événement (SN Ia+SN II) / Solar 10 O Ne Mg Si Na Al Fe P S Ar Ca Ni Cr 1 Ti Mn C Co Cl .1 K V Sc w70 r = 0.07 .01 10 20 30 40 Mass Number 50 60 70 Évolution chimique et SNe SNe II ∼ 2 M d’Oxygène / événement SNe Ia ∼ 0.6 M de Nickel / événement (SN Ia+SN II) / Solar 10 O Ne Mg Si Na Al Fe P S Ar Ca Ni Cr 1 Ti Mn C Co Cl .1 K V Sc w70 r = 0.07 .01 10 20 30 40 Mass Number 50 60 70 Taux de supernova SNe II → . 100 millions d’années après la naissance du progéniteur Taux d’explosion de SN II ∝ Taux de formation d’étoiles Taux de supernova SNe II → . 100 millions d’années après la naissance du progéniteur Taux d’explosion de SN II ∝ Taux de formation d’étoiles SNe Ia → & 100 millions d’années après la naissance du progéniteur Taux d’explosion de SN Ia dépend de taux de formation d’étoiles progéniteur (systéme binaire, taux d’accrétion,...) Taux de supernova SNe II → . 100 millions d’années après la naissance du progéniteur Taux d’explosion de SN II ∝ Taux de formation d’étoiles SNe Ia → & 100 millions d’années après la naissance du progéniteur Taux d’explosion de SN Ia dépend de taux de formation d’étoiles progéniteur (systéme binaire, taux d’accrétion,...) La connaissance de l’évolution du taux d’explosion regard inédit sur l’évolution des galaxies La recherche de supernovæ avec EROS EROS : une Expérience de Recherche d’Objets Superbrillants ? Un télescope au Chili de ∅ 1 m Une caméra CCD à grand champ (1 deg2 ) mosaïque de 8 CCD de 2048 × 2048 pixels Un système de pointage-guidage entièrement automatique permet de chercher des supernovæ ! zlim ∝ ∅1/2 ·T 1/4 2 nSN ∝ Ω · zlim (zlim (EROS) . 0.3 et nSN (EROS) > 0) Les champs de recherche d’EROS 250 champs de 1 deg2 proches de l’équateur céleste : visibilité depuis les deux hémisphères recouvrement partiel avec les champs du LCRS (Shectman et al. 1996) N ste céle Équ ate ur Champs SN EROS S La stratégie de recherche Nouvelle Lune Nouvelle Lune suivante Images de Références Images de Recherche Soustraction Images Soustraites La stratégie de recherche Nouvelle Lune Nouvelle Lune suivante Images de Références Images de Recherche Alignement géométrique Soustraction Alignement photométrique Ajustement des seeing Images Soustraites La stratégie de recherche Nouvelle Lune Nouvelle Lune suivante Images de Références Images de Recherche Soustraction Images Soustraites Éliminer les artefacts Coupures sur la forme du candidat Association à une galaxie hôte La stratégie de recherche Nouvelle Lune Nouvelle Lune suivante Images de Références Images de Recherche Soustraction Images Soustraites Examen visuel des candidats Confirmation la nuit suivante Spectre → décalage spectral, type... 1999 : une recherche internationale Coordonnée par le Supernova Cosmology Project, à laquelle EROS a participé Les supernovæ obtenues SNe Globalement Spring 99 SNIa 7 6 1 hypernova (Ic) (SN1999as) 5 35 SNe 19 de type Ia suivies 4 SN1999bw (Ia) plus brillante que son hôte... (Strolger et al 2002) 3 2 1 0 10 -3 10 -2 10 EROS 2 × 250 deg2 -1 1 z 12 SNe Ia (7 suivies) 3 SNe II 1 SN Ic Un exemple : SN 1999bp z = 0.077 Découverte ∼ 8 jours avant le maximum La campagne de 2000 170 deg2 arpentés 4 SNe de type Ia 3 SNe de type II Suivi photométrique et spectroscopique effectué aux Canaries et à l’ESO en collaboration avec le European Supernova Cosmology Consortium Le taux de supernova... (Nombre d’explosions par unité de temps et de volume) ou (Nombre d’explosions par unité de temps et de luminosité galactique) La mesure du taux Hypothèse : le nombre de supernova par galaxie par unité de temps est proportionel à la luminosité galactique Le taux est donné par : RSN Nombre de galaxies auquel la recherche est sensible NSNe trouvées = Ngalaxies · < LB gal > · T(εSN ) Luminosité moyenne des galaxies Intervalle de temps pendant lequel les SNe sont visibles La mesure du taux Hypothèse : le nombre de supernova par galaxie par unité de temps est proportionel à la luminosité galactique Si on connaît les redshifts de TOUTES les galaxies : RSN NSNe trouvées =P R +∞ B galaxies Lgal · −∞ dt ε(t, z) Luminosité de la galaxie Efficacité de détection en fonction du temps t et du redshift z La mesure du taux Hypothèse : le nombre de supernova par galaxie par unité de temps est proportionel à la luminosité galactique Cas général : RSN = P R +∞ galaxies 0 Densité de probabilité de z sachant la magnitude apparente de la galaxie mgal NSNe trouvées dz p(z|mgal ) · LB gal Luminosité de la galaxie · R +∞ −∞ dt ε(t, z) Efficacité de détection en fonction du temps t et du redshift z Les différentes étapes • Déterminer la population des galaxies sur les images • Mesurer l’efficacité de détection ε(ADU) — (ADU = « Analog Digital Unit ») = simuler des supernovæ dans les galaxies • Déterminer la distribution p(z|mgal ) (implique une calibration Rgal = f (ADUgal )) • Calculer l’intégrale de l’efficacité sur : ,→ la courbe de lumière (impliquant une calibration ADU = f (V, R)) ,→ le décalage spectral ,→ la phase de la supernova • Vérifier l’adéquation entre la simulation et les observations • En déduire le taux — quantifier les systématiques Les différentes étapes • Déterminer la population des galaxies sur les images • Mesurer l’efficacité de détection ε(ADU) — (ADU = « Analog Digital Unit ») = simuler des supernovæ dans les galaxies • Déterminer la distribution p(z|mgal ) (implique une calibration Rgal = f (ADUgal )) • Calculer l’intégrale de l’efficacité sur : ,→ la courbe de lumière (impliquant une calibration ADU = f (V, R)) ,→ le décalage spectral ,→ la phase de la supernova • Vérifier l’adéquation entre la simulation et les observations • En déduire le taux — quantifier les systématiques Discriminer entre les différents objets Les objets sont détectés sur les images avec le logiciel SExtractor (Bertin et al, 1996) 2 3 10 -log(Brillance de Surface) 1 Galaxies 0 2 10 -1 -2 Etoiles 10 -3 Cosmiques -4 -5 -6 Etoiles Saturees 10 12 14 16 magnitude R 18 20 22 1 La population des galaxies -2 dN gal /(dmd Ω ) (galaxies ⋅ mag ⋅ deg ) Paramètre CSTAR : classification morphologique basée sur un réseau de neurones 1999 -1 10 3 10 2 CSTAR < 0.55 CSTAR < 0.6 CSTAR < 0.5 CSTAR < 0.4 2000 CSTAR < 0.55 10 1 14 15 16 17 18 magnitude R 19 20 21 22 La population des galaxies -2 dN gal /(dmd Ω ) (galaxies ⋅ mag ⋅ deg ) Paramètre CSTAR : classification morphologique basée sur un réseau de neurones magnitude limite de complétude Rc = 20 1999 -1 10 3 10 2 CSTAR < 0.55 CSTAR < 0.6 CSTAR < 0.5 CSTAR < 0.4 2000 CSTAR < 0.55 10 3 10 1 18.5 14 15 16 17 18 magnitude R 19 19 19.5 20 20 20.5 21 22 La population des galaxies -2 dN gal /(dmd Ω ) (galaxies ⋅ mag ⋅ deg ) Paramètre CSTAR : classification morphologique basée sur un réseau de neurones magnitude limite de complétude Rc = 20 1999 -1 10 3 10 2 CSTAR < 0.55 CSTAR < 0.6 CSTAR < 0.5 CSTAR < 0.4 2000 CSTAR < 0.55 10 3 10 1 18.5 14 15 16 17 18 magnitude R 19 19 19.5 20 20 magnitude limite de « sécurité » Rc = 19 20.5 21 22 La coupure sur la magnitude des galaxies 1 900 0.9 étoiles 800 0.8 Galaxies LCRS 700 0.7 600 CSTAR galaxies 0.6 500 0.5 400 0.4 300 0.3 0.2 200 0.1 100 0 13 14 15 16 17 18 magnitude R 19 20 21 22 0 Les différentes étapes • Déterminer la population des galaxies sur les images • Mesurer l’efficacité de détection ε(ADU) — (ADU = « Analog Digital Unit ») = simuler des supernovæ dans les galaxies • Déterminer la distribution p(z|mgal ) (implique une calibration Rgal = f (ADUgal )) • Calculer l’intégrale de l’efficacité sur : ,→ la courbe de lumière (impliquant une calibration ADU = f (V, R)) ,→ le décalage spectral ,→ la phase de la supernova • Vérifier l’adéquation entre la simulation et les observations • En déduire le taux — quantifier les systématiques Collage d’étoiles Avant Des supernovæ sont simulées sur les images de recherche, dans les galaxies SN simulée = étoile brillante de la même image, déplacée et réajustée en flux Distribution des SNe sur la galaxie selon la brillance de surface Après 16000 L’efficacité Nent = 118130 Mean = 0.5808 14000 RMS = 0.33 12000 SN retrouvée si 10000 distance (retrouvée - simulée) < 1.5 pixels 8000 6000 4000 dassmc {flux>0 && dassmc<10} 2000 0 0 1 uvées / SNe simulé o r t e r e es SN 2 3 4 5 Distance d’association (pixels) magnitude V 500 Efficacit e ε 21 20.5 400 20 19.5 19 18.5 0.9 0.8 0.7 300 0.6 0.5 200 SNe simulees 0.4 SNe retrouvees 0.3 100 0.2 0.1 0 0 2000 4000 6000 8000 ADU bleu 10000 12000 14000 0 0 2000 4000 6000 8000 ADU bleu 10000 12000 14000 Les différentes étapes • Déterminer la population des galaxies sur les images • Mesurer l’efficacité de détection ε(ADU) — (ADU = « Analog Digital Unit ») = simuler des supernovæ dans les galaxies • Déterminer la distribution p(z|mgal ) (implique une calibration Rgal = f (ADUgal )) • Calculer l’intégrale de l’efficacité sur : ,→ la courbe de lumière (impliquant une calibration ADU = f (V, R)) ,→ le décalage spectral ,→ la phase de la supernova • Vérifier l’adéquation entre la simulation et les observations • En déduire le taux — quantifier les systématiques Le décalage spectral des galaxies dVc dN p(z|mgal ) ∝ · dΩdz dM dVc Function de comobile Luminosité (mag bin = 0.1) p(m|z) Élément de volume p(z|mgal ) calculé vs LCRS 0.8553E-01 0.3144E-01 Mean RMS ΛCDM 15 SCDM 10 Rc = 16.5 5 p(m|z) 0 Mean RMS ΛCDM 0.1034 0.3920E-01 SCDM 10 Rc = 17.0 5 0 p(m|z) Fonction de luminosité du LCRS (Lin et al. 1996) Mean RMS ΛCDM 10 0.1264 0.4670E-01 SCDM 7.5 Rc = 17.5 5 2.5 0 0 0.05 0.1 0.15 0.2 Décalage spectral 0.25 0.3 z Les différentes étapes • Déterminer la population des galaxies sur les images • Mesurer l’efficacité de détection ε(ADU) — (ADU = « Analog Digital Unit ») = simuler des supernovæ dans les galaxies • Déterminer la distribution p(z|mgal ) (implique une calibration Rgal = f (ADUgal )) • Calculer l’intégrale de l’efficacité sur : ,→ la courbe de lumière (impliquant une calibration ADU = f (V, R)) ,→ le décalage spectral ,→ la phase de la supernova • Vérifier l’adéquation entre la simulation et les observations • En déduire le taux — quantifier les systématiques L’intégrale de l’efficacité « Le Temps de Contrôle » log(flux) Calculée par une méthode de Monte-Carlo Une courbe de lumière est tirée dans un lot de 17 publiées seuil de détection 0 Phase L’intégrale de l’efficacité « Le Temps de Contrôle » log(flux) Calculée par une méthode de Monte-Carlo On tire un « z » selon p(z|mgal ) seuil de détection z 0 Phase L’intégrale de l’efficacité « Le Temps de Contrôle » log(flux) Calculée par une méthode de Monte-Carlo On tire un instant de découverte seuil de détection z 0 Phase t(z) L’intégrale de l’efficacité « Le Temps de Contrôle » log(flux) Calculée par une méthode de Monte-Carlo Cela donne une magnitude m(t,z) seuil de détection z 0 Phase t(z) L’intégrale de l’efficacité « Le Temps de Contrôle » log(flux) Calculée par une méthode de Monte-Carlo On va lire l’efficacité correspondante m(t,z) seuil de détection z ε(t,z) 0 Phase t(z) L’échantillon de courbes de lumières Parmi un ensemble de 51 courbes de lumière publiées (Hamuy et al. 1996, Riess et al. 1999), nous choisissons celles qui ont le meilleur échantillonnage dans les bandes V et R. -19 -19 -18 -18 -17 -17 MV + 5 log h MV + 5 log h 17 supernovæ répondent à ce critère ajustées avec un patron analytique (Contardo et al. 2000) -16 -15 -16 -15 -14 -14 -13 -13 -12 -20 0 20 40 60 Jours par rapport au maximum 80 100 -12 -20 0 20 40 60 Jours par rapport au maximum 80 100 La fonction de luminosité des SNe Ia : La magnitude absolue au maximum 8 Nent = 51 17 Mean = -17.88 -17.52 RMS = 0.9431 1.389 7 6 7 Nent = 51 17 Mean = -18.04 -17.78 RMS = 0.6458 0.9613 6 5 Nent = 17 Mean = -17.52 RMS = 1.389 5 Nent = 17 Mean = -17.78 RMS = 0.9613 4 4 3 3 2 2 1 1 0 -19 -18 -17 -16 max MB -15 -14 -13 0 -19 -18.5 -18 + 5 log h -17.5 -17 -16.5 max MV + 5 log h -16 -15.5 -15 Ce qui est important : la valeur moyenne Notre distribution est biaisée vers les faibles luminosités (écart de 0.26 mag) -14.5 La fonction de luminosité des SNe Ia : La relation de Phillips -13 51 SNe 17 SNe M max + 5 log h B -14 -15 Ajustement de Hamuy et al. 1996 -16 -17 -18 -19 0.8 1 1.2 1.4 ∆ m B15 1.6 1.8 2 Des magnitudes aux ADU Supernovæ : de la courbe de lumière aux ADU... ADU −2.5 · log Tpose = V + β · (V − R) + αV Des magnitudes aux ADU Supernovæ : de la courbe de lumière aux ADU... Calibration ADU −2.5 · log Tpose = V + β · (V − R) + αV Des magnitudes aux ADU Supernovæ : de la courbe de lumière aux ADU... Calibration ADU −2.5 · log Tpose = V + β · (V − R) + αV VSN (z, t) + AV + KVSN (z, t) Courbe de lumière Extinction galactique SN RSN (z, t) + AR + KR (z, t) Correction K La calibration passer des unités logiques des images en magnitudes standards ADU −2.5 · log = V + β · (V − R) + α T pose Intercalibration des CCD fond de ciel, DENIS, USNO Terme de couleur (β ) OGLE, Landolt Point Zéro (α) Landolt, étoiles secondaires SCP 1999 Une calibration globale 23.1 23 1er avril 2000 15 février 1999 15 mars 1999 Point Zero Évolution du point zéro avec le temps 22.9 22.8 22.7 22.7 22.7 22.6 22.5 8.5 8.6 8.7 8.8 8.9 9 9.1 9.2 9.3 10 Temps (annees - 1990) 10.05 10.1 10.15 10.2 10.25 10.3 10.35 10.4 Temps (annees - 1990) Supernovæ et étoiles Peut-on calibrer des supernovæ avec des étoiles ? 0.1 eros -V) sne -(B eros -V) etoiles 0.08 V-R 0.06 0.04 0.02 0 -0.02 -0.04 moins de 10 % d’écart (B écart à la calibration stellaire (magnitudes) Étude à l’aide de patrons spectraux : pour des étoiles telles que (V − R)F = (V − R)SN , on trace (Beros − V )SN − (Beros − V )F : -0.06 -0.08 -0.1 -20 -10 0 10 20 30 Phase (jours) 40 50 60 70 L’extinction galactique Déterminée champ par champ à l’aide des cartes de Schlegel et al. 1998 10 10 Mean = 0.1385 RMS = 0.04294 Mean = 0.1116 RMS = 0.03463 8 8 6 6 4 4 2 2 0 0.05 0.1 0.15 0.2 Absorption A 0.25 0.3 0.35 0 0.05 0.1 0.15 0.2 Absorption A V ∼ 0.12 mag d’absorption 0.25 R 0.3 0.35 La correction K Le flux observé à travers une bande spectrale fixe varie en fonction du décalage spectral 1 0.8 0.6 0.4 0.2 Bande B 0 300 400 500 Bande R 600 longueur d’onde (nm) 700 800 900 La correction K Le flux observé à travers une bande spectrale fixe varie en fonction du décalage spectral 1 z=0 z = 0.2 0.8 0.6 0.4 0.2 Bande B 0 300 400 500 Bande R 600 longueur d’onde (nm) 700 800 900 Corrections K pour les supernovæ 1.5 . j 5 + ax m 1 . j 5 - Correction K Bande B 2.5 log(1+z) 0.5 . j 5 + 0 max - 5 j. + 5 j. max - 5 j. Bande V -0.5 -1 0 Bande R 0.05 0.1 0.15 0.2 0.25 0.3 Decalage spectral z 0.35 0.4 0.45 0.5 Les différentes étapes • Déterminer la population des galaxies sur les images • Mesurer l’efficacité de détection ε(ADU) — (ADU = « Analog Digital Unit ») = simuler des supernovæ dans les galaxies • Déterminer la distribution p(z|mgal ) (implique une calibration Rgal = f (ADUgal )) • Calculer l’intégrale de l’efficacité sur : ,→ la courbe de lumière (impliquant une calibration ADU = f (V, R)) ,→ le décalage spectral ,→ la phase de la supernova • Vérifier l’adéquation entre la simulation et les observations • En déduire le taux — quantifier les systématiques Distribution en z (1999) 2 1.6 Observée 1 Nent = 10 Mean = 0.1214 RMS = 0.03972 1.8 1999 1.4 Observations 1.2 0.8 1 Monte-Carlo 0.8 0.6 0.4 0 0 0.05 0.1 0.15 0.2 0.25 0.3 Cumulées 0.6 0.2 0.35 Decalage spectral z 600 500 Simulée 0.4 Nent = 34816 Mean = 0.1145 RMS = 0.04963 400 0.2 Test de Kolmogorov-Smirnov 300 Probabilite = 0.85 200 0 0 100 0 0 0.05 0.1 0.15 0.2 Decalage spectral z 0.25 0.3 0.35 0.05 0.1 0.15 0.2 0.25 Decalage spectral z 0.3 0.35 Distribution en z (2000) 1 0.8 Observée 1 Nent = 4 Mean = 0.1225 RMS = 0.08258 2000 Observations Monte-Carlo 0.6 0.8 0.4 0.2 0 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 Cumulées 0.6 0.4 Decalage spectral z 1000 800 Simulée 0.4 Nent = 63907 Mean = 0.1373 RMS = 0.05795 0.2 600 Test de Kolmogorov-Smirnov Probabilite = 0.42 400 200 0 0 0 0 0.05 0.1 0.15 0.2 0.25 Decalage spectral z 0.3 0.35 0.4 0.05 0.1 0.15 0.2 0.25 Decalage spectral z 0.3 0.35 0.4 Distribution en magnitude (1999) 1 Observée Nent = 10 Mean = 19.75 RMS = 0.8133 1999 1 Observations 0.8 Monte-Carlo 15 16 17 18 19 20 21 Test de Kolmogorov-Smirnov 22 Probabilite = 0.99 magnitude V 10 3 0.4 Simulée Nent = 34816 Mean = 19.56 RMS = 0.9983 10 Cumulées 0.6 2 0.2 10 0 1 15 15 16 17 18 19 magnitude V 20 21 22 16 17 18 19 magnitude V 20 21 22 Distribution en magnitude de l’hôte (1999) 2 1.6 Observée 1 Nent = 10 Mean = 17.37 RMS = 1.218 1.8 1999 1.4 Observations 1.2 Monte-Carlo 0.8 1 0.8 0.6 0.4 0 15 16 17 18 19 Cumulées 0.6 0.2 20 magnitude R 800 600 Simulée 0.4 Nent = 34816 Mean = 17.64 RMS = 0.9189 700 500 0.2 400 Test de Kolmogorov-Smirnov 300 Probabilite = 0.90 200 0 100 15 0 15 16 17 18 magnitude R 19 20 16 17 18 magnitude R 19 20 Distribution en distance à l’hôte (1999) 2 1.6 Observée 1 Nent = 10 Mean = 4.29 RMS = 3.736 1.8 1.4 1.2 0.8 1 1999 0.8 0.6 Observations 0.4 2 4 6 8 10 12 14 16 18 Cumulées 0 0 Monte-Carlo 0.6 0.2 20 Distance SN - Galaxie hote (pixels) 2200 2000 0.4 Nent = 23220 Mean = 4.069 RMS = 4.445 1800 Simulée 1600 1400 0.2 1200 Test de Kolmogorov-Smirnov 1000 Probabilite = 0.25 800 600 400 0 0 200 0 0 2 4 6 8 10 12 14 Distance SN - Galaxie hote (pixels) 16 18 20 2 4 6 8 10 12 14 16 Distance SN - Galaxie hote (pixels) 18 20 Les différentes étapes • Déterminer la population des galaxies sur les images • Mesurer l’efficacité de détection ε(ADU) — (ADU = « Analog Digital Unit ») = simuler des supernovæ dans les galaxies • Déterminer la distribution p(z|mgal ) (implique une calibration Rgal = f (ADUgal )) • Calculer l’intégrale de l’efficacité sur : ,→ la courbe de lumière (impliquant une calibration ADU = f (V, R)) ,→ le décalage spectral ,→ la phase de la supernova • Vérifier l’adéquation entre la simulation et les observations • En déduire le taux — quantifier les systématiques Résultat : taux de SN Ia à z = 0.13 Avec 14 supernovæ observées en 1999 et 2000, le taux de supernovæ de type Ia est : RR Ia = +0.085+0.053 0.220−0.051−0.053 h−2 SNuR où 1 SNuR = 1 SNe / 1010 LR / siècle Avec (B − R)galaxies = 1.11 ± 0.25 (Grogin et Geller 1999) on a : +0.089+0.077 −2 RB = 0.231 SNu −0.054−0.077 h Ia −3 Avec ρR = 1.9 ± 0.47 · 108 h LR · Mpc on a : +1.62+1.19 RIa = 4.18−0.97−1.19 · 10−5 h3 Mpc−3 · an−1 Systématiques Calibration ∂R/∂pz ' −1 : incertitude de 10 % sur P Z => incertitude de 10 % sur R Coupure sur la magnitude des galaxies hôtes incertitude de 0.2 mag => incertitude de 6 % sur R Fonction de luminosité des supernovæ 0.65 −0.85 B LV max ∆m15 RIa = 0.22 2.07 · 109 h2 LV 1.1 incertitude de 6 % sur ∆mB 15 => incertitude de 4 % sur R incertitude de 24 % sur LV max => incertitude de 20 % sur R Mauvaise identification d’une supernova Erreur d’identification => incertitude de 7 % sur R Cosmologie Pas de différence sur R entre SCDM et ΛCDM TOTAL : ±24 % Autres mesures 10 -3 Cappellaro et al. 1999 SNR (an -1 -3 Mpc ) évolution Pain et al. 2002 (SCP) d’un facteur ∼ 3 entre z = 0.13 et z = 0.55 Hardin et al. 2000 (EROS) 10 -4 Notre mesure 0 0.2 0.4 0.6 0.8 D ecalage spectral z 1 1.2 1.4 Autres mesures -3 évolution d’un facteur ∼ 3 entre z = 0.13 et z = 0.55 SNR (an -1 -3 Mpc ) 10 10 -4 Fusion hi erarchique τ = 0.3 τ = 1.0 τ = 3.0 0 0.2 0.4 0.6 Effondrement monolithique 0.8 D ecalage spectral z τ = 0.3 τ = 1.0 τ = 3.0 1 1.2 1.4 Conclusion et perspectives • Taux de SN Ia mesuré à z = 0.13 • Compatible avec la précédente mesure d’EROS — réalisée avec 4 événements (Hardin et al. 2000) • Compatible avec la mesure dans l’Univers local — entachée d’erreurs systématiques importantes (Cappellaro et al. 1999) • Comparaison avec valeur à z = 0.55 (Pain et al. 2002) implique une évolution importante Conclusion et perspectives • Taux de SN Ia mesuré à z = 0.13 • Suites logiques de ce travail • Estimation du taux de SN II/Ib-c — 7 ( ?) événements en 1999 - 2000 • Détermination du taux en fonction du type des galaxies hôtes Conclusion et perspectives • Taux de SN Ia mesuré à z = 0.13 • Suites logiques de ce travail • L’avenir du taux de supernova • Nearby Supernova Factory (courant 2003) : taux de SN Ia et SN II dans l’Univers local • CFHTLS - Supernovae (mars 2003) : évolution du taux de SN Ia entre z ∼ 0.3 et z ∼ 1.2 et du taux de SN II jusqu’à z ∼ 0.7 • Satellite SNAP (2010) : taux de SN Ia jusqu’à z ∼ 1.7 FIN ! Taxinomie H OUI NON I II Si NON OUI He NON Ia Pas d’absorption P−Cygni OUI Ic Ib raie fine Courbes de lumiere Classification basée sur le spectre, et éventuellement sur la courbe de lumière ou la forme des raies IIb Hypernovae IIL IIP IIn Les courbes de lumière SNe Ia en B, V, R et I SN Ia : la courbe de lumière 1010 L au max ∼ LGalaxie 0.11 mag/jour 0.01 mag/jour alimentée par la décroissance 56 Ni |{z} → 6.1j. 56 Co → |{z} 77.1j. 56 Fe log(flux) SN Ia : le spectre Longueur d’onde (Å) FAINTER (Farther) (Further back in time) SNe Ia et cosmologie Deux observables : Perlmutter, et al. (1998) Distance = f (z, H0 , ΩM0 , ΩΛ0 ) · log (flux) 26 24 z = λémis −1 Supernova Cosmology Project 20 18 λobservé Diagramme de Hubble 22 effective−2.5 mB Luminosité flux = 4π · (Distance)2 ( ( ( ( ( Calan/Tololo (Hamuy et al, A.J. 1996) 16 14 0.02 0.05 0.1 0.2 décalage redshift z 0.5 1.0 spectral z MORE REDSHIFT (More total expansion o since the supernova exp Des ADU aux magnitudes Galaxies : des ADU à la magnitude absolue... ( probabilité p(z|mgal ) luminosité L gal MR = R − µ(z) − AR − KR (z) Des ADU aux magnitudes Galaxies : des ADU à la magnitude absolue... Module de distance DL (z) µ(z) = 5·log +25 1 Mpc ( probabilité p(z|mgal ) luminosité L Extinction galactique Correction K gal MR = R − µ(z) − AR − KR (z) Des ADU aux magnitudes Galaxies : des ADU à la magnitude absolue... Module de distance DL (z) µ(z) = 5·log +25 1 Mpc ( probabilité p(z|mgal ) luminosité L Extinction galactique Correction K gal MR = R − µ(z) − AR − KR (z) calibration ADU gal R = −2.5·log −αR Tpose Corrections K pour les galaxies 0.8 0.6 0.5 bonne approximation par 2.5 log(1 + z) 2 E , E Sa Correction K (bande R) 0.7 ) 2.5 0.4 z + 1 ( log Sc 0.3 0.2 0.1 0 0 0.05 0.1 0.15 0.2 0.25 0.3 Decalage spectral z 0.35 0.4 0.45 0.5