supernovae à grand z Étude des erreurs et des biais dans snls

20
Supernovae à grand z Supernovae à grand z Étude des erreurs et des Étude des erreurs et des biais biais dans SNLS dans SNLS Présenté par Présenté par Pascal Ripoche Pascal Ripoche thèse réalisée au thèse réalisée au CPPM CPPM sous la direction de sous la direction de Dominique Fouchez Dominique Fouchez

Upload: alvaro

Post on 04-Jan-2016

41 views

Category:

Documents


0 download

DESCRIPTION

Supernovae à grand z Étude des erreurs et des biais dans SNLS. Présenté par Pascal Ripoche thèse réalisée au CPPM sous la direction de Dominique Fouchez. Sommaire. Présentation de l’expérience SNLS Buts de l’expérience SNLS Stratégie de recherche Résultats actuels et à venir - PowerPoint PPT Presentation

TRANSCRIPT

Page 1: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

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

SNLSSNLS

Présenté parPrésenté parPascal RipochePascal Ripoche

thèse réalisée authèse réalisée au CPPMCPPM

sous la direction desous la direction deDominique FouchezDominique Fouchez

Page 2: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

SommaireSommaire

Présentation de l’expérience SNLSPrésentation de l’expérience SNLS– Buts de l’expérience SNLSButs de l’expérience SNLS– Stratégie de rechercheStratégie de recherche– Résultats actuels et à venirRésultats actuels et à venir

Supernovae à grand z – Étude des erreurs et des Supernovae à grand z – Étude des erreurs et des biaisbiais– Erreurs et supernovae à grand zErreurs et supernovae à grand z– ContaminationContamination– SimulationSimulation

Page 3: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Présentation de l’expérience SNLSPrésentation de l’expérience SNLS– Buts de l’expérience SNLSButs de l’expérience SNLS– Stratégie de rechercheStratégie de recherche– Résultats actuels et à venirRésultats actuels et à venir

Supernovae à grand z – Étude des erreurs et des Supernovae à grand z – Étude des erreurs et des biaisbiais– Erreurs et supernovae à grand zErreurs et supernovae à grand z– ContaminationContamination– SimulationSimulation

Page 4: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

L’expérience L’expérience Supernovae Legacy SurveySupernovae Legacy Survey

CollaborationCollaboration– France (IN2P3, CEA, INSU)France (IN2P3, CEA, INSU)– CanadaCanada– ……

ButsButs– Mesure des paramètres cosmologiquesMesure des paramètres cosmologiques

Utilisation des supernovae de type Ia comme chandelles Utilisation des supernovae de type Ia comme chandelles standardsstandards

– Étude supernovaeÉtude supernovae» Mesure du taux de supernovae en fonction du type et de la Mesure du taux de supernovae en fonction du type et de la

morphologie des galaxies hôtesmorphologie des galaxies hôtes» Évolution?Évolution?

           

Page 5: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

ProblématiqueProblématique = 1,02 = 1,02 ± 0,02 ± 0,02

(WMAP, Spergel et al., 2003)(WMAP, Spergel et al., 2003)

Les contributions :Les contributions : MM = 0,27 = 0,27 ±± 0,04 0,04

xx = 0,73 = 0,73 ±± 0,04 0,04

modèlemodèle = = //

Constante CosmologiqueConstante Cosmologique -1-1

QuintessenceQuintessence

XX : constante cosmologique : constante cosmologique et/ou énergie noire?et/ou énergie noire?

2/3

énergie noire

1/3 MN

But de SNLS: mesure de X X et XX

2

2

1 2

1 2

V

V

Page 6: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Paramètres cosmologiques, Paramètres cosmologiques, distance lumineusedistance lumineuse

Flux Flux observé fobservé f

Redshift Redshift z z4L

Ld

fLuminositéLuminosité

intrinsèque intrinsèque LL

0 00

2,5.log ( ) log ( , , )L i i

fmag const H H d z

f

Supernovae de type Ia

-très forte luminosité

-chandelles standards (dispersion : 40 %)

Correction de stretch => 15 %

Page 7: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Stratégie de rechercheStratégie de recherche

Suivi de 4 champs d’un degrés carré chacun pendant 5 ans Suivi de 4 champs d’un degrés carré chacun pendant 5 ans (18 nuits par période sombres, 5 mois )(18 nuits par période sombres, 5 mois )

Détection et photométrieDétection et photométrie

–Télescope : CFHT (Hawaï) + megacam (36 CCDs)Télescope : CFHT (Hawaï) + megacam (36 CCDs)

–4 filtres : g(15’), r(30’), i(1h), et z(30’)4 filtres : g(15’), r(30’), i(1h), et z(30’)

–Méthode : soustraction d’imagesMéthode : soustraction d’images

–Scanning individuel des candidatsScanning individuel des candidats

Identification et mesure du redshift Identification et mesure du redshift –Télescopes: Télescopes: VLT, Gemini, Keck et MagellanVLT, Gemini, Keck et Magellan –Mesure de zMesure de z–Détermination de la nature de la SNDétermination de la nature de la SN

Page 8: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Exemple deExemple de supernovasupernova

05D2fo / R26D2-6 /c050317-14

D2/ccd_20 10:01:18.764 : 02:04:34.39

Page 9: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Résultats actuels et à venirRésultats actuels et à venir

Résultats actuels: 130 snIa détectées et spectrées:Résultats actuels: 130 snIa détectées et spectrées:

Objectif: 1000 supernovae détectéesObjectif: 1000 supernovae détectéesdont 700 supernovae de type Ia détectées et spectrées sur 5 dont 700 supernovae de type Ia détectées et spectrées sur 5 ansans

Page 10: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Étude preliminaire effectuée sur le potentiel Étude preliminaire effectuée sur le potentiel des évènement à grand redshift.des évènement à grand redshift.– Effet de l’augmentation de statistiqueEffet de l’augmentation de statistique– Effet de la contaminationEffet de la contamination– conclusions conclusions

Supernovae à grand z Supernovae à grand z Étude des erreurs et des Étude des erreurs et des

biaisbiais

Page 11: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Hypothèses de départHypothèses de départ Stat: SNLS (5 ans) + Tololo Stat: SNLS (5 ans) + Tololo Hypothèses :Hypothèses :

– Dispersion intrinsèque : 0,153Dispersion intrinsèque : 0,153

– Modèle concordant (Modèle concordant (ΩM = 0,3 ; ΩX = 0,7 ; w = -1)

Résultats:Résultats:3-fit(M,X,w) + flatness : 3-fit(M,X,w) + flatness : ErrM = ± 0,211 ErrX = ± 0,215 Errw = ± 0,633

Page 12: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Événements à grand zÉvénements à grand z Intérêts des SN à grand z (0,8 à 1,0)Intérêts des SN à grand z (0,8 à 1,0)

– Statistique importanteStatistique importante– Fort bras de levier (a priori)Fort bras de levier (a priori)

Difficultés attenduesDifficultés attendues– Faible luminositéFaible luminosité– Spectroscopie impossible Spectroscopie impossible

=> risque de contamination=> risque de contamination– Limite de visibilité Limite de visibilité

=> Biais de sélection important=> Biais de sélection important

gain pouvant atteindre 50%gain pouvant atteindre 50%

Page 13: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Précisions et gain avec high zPrécisions et gain avec high z Hypothèses:Hypothèses:

– SNLS(5ans)+Tololo+récupération grand zSNLS(5ans)+Tololo+récupération grand z

– récupération entre z = 0,8 et 1récupération entre z = 0,8 et 1

Résultats:Résultats:– Gain de 15 % de précision ( Gain de 15 % de précision ( ))

Précision à 1 sigma pour une récupération de 100%, 50% et 0%

3-fit( M,X,W) flat = 1 ± 0,04ErrM Vs Z

00,20,40,60,8

11,21,41,61,8

2

0 0,2 0,4 0,6 0,8 1 1,2

z

Err

M

1 20%n

Page 14: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

3-fit(M,X,W) flat = 1 ± 0,04

Erreur et récupérationErreur et récupération

100% de récupération avec Low Error=> jusqu’à 30% de gain de précision

SNLSSNLS+Récup

SNLS Low Error

SNLS+Récup Low Error

Hypothèses:

Low Error: Erreurs < dispersion intrinsèque (0,153)

Récupération high z : 100%

High z d’autant plus intéressantes si l’erreur diminue

Page 15: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Effet de la contaminationEffet de la contamination Hypothèses de contaminationHypothèses de contamination

– Objets suivant la loi de Hubble et identifiés comme SNIa => Objets suivant la loi de Hubble et identifiés comme SNIa => décalage en magnitudedécalage en magnitude

– Objets fittés avec la dispersion intrinsèque des SNIaObjets fittés avec la dispersion intrinsèque des SNIa

– 2 Paramètres : décalage en sigma (= 0,153) et2 Paramètres : décalage en sigma (= 0,153) ettaux de contamination des SN récupéréestaux de contamination des SN récupérées

Biais sur OmegaM Vs contamination(%)

0,000

0,050

0,100

0,150

0,200

0,250

0,300

0 10 20 30 40 50

Pourcentage de contamination

Biai

s su

r om

egaM

Conta 1 sigma

Conta 2 sigma

Conta 3 sigma

gain en précision

ConclusionConclusion

il faut une contamination < 5% pour un biais < 0.05il faut une contamination < 5% pour un biais < 0.05

Page 16: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Type de contamination : SNII et Type de contamination : SNII et objets spectrés ?objets spectrés ?

Les objets spectrés:Les objets spectrés:

– Séparation SNIa SNII à 3-4 sigmaSéparation SNIa SNII à 3-4 sigma

– Autres objets ?Autres objets ?

21

21,5

22

22,5

23

23,5

24

24,5

0 0,5 1 1,5

Ia

1?

2

AGN

??

Imax vs z

0,46

Page 17: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

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

22

22,5

23

23,5

24

24,5

25

860 870 880 890 900 910 920

Détections Courbe modèle

Page 18: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Première exploitation de la Première exploitation de la simulationsimulation

Première simulation : 1500 sn sur 5 mois Première simulation : 1500 sn sur 5 mois d’images dans 4 filtresd’images dans 4 filtres

sélection automatique développée à sélection automatique développée à Marseille (shapelet et réseau de neurone)Marseille (shapelet et réseau de neurone)

Étude d’efficacité de sélection des SNÉtude d’efficacité de sélection des SN

Page 19: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Conclusion et perspectivesConclusion et perspectives

Fort potentiel des supernovae à grand zFort potentiel des supernovae à grand z Importance de l’estimation des erreurs et biais : Importance de l’estimation des erreurs et biais :

exemple contaminationexemple contamination Un outils pour ces estimations : la simulation , Un outils pour ces estimations : la simulation ,

déjà bien avancée .. Sera améliorée suivant les déjà bien avancée .. Sera améliorée suivant les besoins et mis a la disposition de la collaborationbesoins et mis a la disposition de la collaboration

Encore beaucoup de données à venir avec SNLS, Encore beaucoup de données à venir avec SNLS, qui donneront toute son importance à une étude qui donneront toute son importance à une étude précise des effets systématiquesprécise des effets systématiques

Page 20: Supernovae à grand z  Étude des erreurs et des biais  dans SNLS

Travail à venirTravail à venir

Détermination de l’efficacité de sélection Détermination de l’efficacité de sélection => biais de Malmquist=> biais de Malmquist– Estimation du taux de contaminationEstimation du taux de contamination– Estimation des biais de sélectionEstimation des biais de sélection

Mesure des effets systématiquesMesure des effets systématiques– Influence de la luminosité de la galaxie hôteInfluence de la luminosité de la galaxie hôte– Influence de la position de la SN…Influence de la position de la SN…