Recherche et Étude de Supernovæ Mesure du Taux d`Explosion

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