The Supernova Legacy Survey 3-year sample: Type Ia Supernovae photometric distances and cosmological constraints
本文介绍了超新星遗产巡天（SNLS）前三年发现的252颗高红移Ia型超新星（0.15 < z < 1.1）的光度特性和距离测量结果。这些事件被探测到，并使用加拿大-法国-夏威夷望远镜（CFHT）的MegaPrime/MegaCam仪器测量了它们的多色光变曲线，通过在四个波段重复成像四个一平方度的场。后续的光谱学是在VLT、双子座和凯克望远镜上进行的，以确认超新星的性质并测量它们的红移。系统的不确定性所产生的光变曲线建模进行了研究，利用两种技术来推导出的峰值大小，形状和颜色的超新星，并利用一个精确的校准的SNLS领域。仅对231颗SNLS高红移Ia型超新星进行平坦的Lambda CDM宇宙学拟合，得到Omega_M = 0.211 +/- 0.034（stat）+/- 0.069（sys）。主要的系统不确定性来自光度校准中的不确定性。其次是光变曲线拟合器的系统不确定性，对Omega_M的总贡献为+/- 0.026。没有发现明确的证据表明颜色-光度关系的斜率（β）可能随红移而演化。
2010-10-22 astro-ph.CO
A Precision Photometric Comparison between SDSS-II and CSP Type Ia Supernova Data
卡内基超新星计划（CSP）和SDSS-II超新星（SN）调查ugri测量之间的一致性进行了评估，通过比较SDSS和CSP测光9光谱确认Ia型超新星同时观察到的两个程序。将CSP数据转换为SDSS光度系统。系统不确定性的来源已被确定，量化，并显示在所有波段中处于或低于0.023级。当一个给定的波段的所有光度相结合，我们发现平均星等差等于或小于0.011的乌格里，均方根散射范围从0.043到0.077的幅度。u带的一致性是有希望的，但需要注意的是，在u带中，9颗超新星中只有4颗被很好地观测到，这4颗超新星在这个滤波器中表现出0.038等的超新星到超新星的散射。
2012-06-08 astro-ph.CO astro-ph.IM
Photometric observations and modeling of type IIb supernova 2008ax
本文报道了对Ⅱ b型SN 2008ax进行320天的CCD UBVRI测光。光度学行为对于具有低量氢的核心塌陷SNe是典型的。导出了主要的光度参数，并与同类SNe进行了比较。进行了初步建模，并将结果与观察到的光变曲线进行了比较。流体动力学模型的主要参数与SN IIb 1993 J所用的参数接近。
2009-10-22 astro-ph.CO astro-ph.SR
Type Ia supernova Hubble diagrams with host galaxy photometric redshifts
本文研究了用光度测定法选取的SN主星系红移样本的SN Ia哈勃图的情况。主机红移的不确定性和核心坍缩SNe的污染的解决。作为测试，我们使用超新星遗产巡天（SNLS）的3年光度SN Ia样本，由437个红移在0.1和1.05之间的物体组成。我们将这个样本与JLA光谱样本的非SNLS对象相结合，该样本由501个红移大多低于0.4的对象组成。我们研究了两种选择的光度样品的红移的起源，要么提供完全从主机光度红移目录或混合的起源，其中75%的样品可以分配光谱红移。使用光变曲线模拟受相同的光度选择的数据，我们研究的影响，光度红移的不确定性和污染的平面$ΛCDM$适合哈勃图从这样的组合样本。我们发现测光红移和污染导致有偏的宇宙学参数。两种红移选项的偏差大小相似。如果在计算SN星等偏差修正时考虑到测光红移的不确定性和污染，由于选择效应，这种偏差可以在很大程度上解释。为了进一步减少宇宙学偏差，我们探索了两种方法来传播红移的不确定性到宇宙学似然计算，无论是通过改装光度红移与宇宙学或通过采样的红移分辨率函数。无论选择哪种红移，红移修正都无法纠正宇宙学偏差，而采样在两种情况下都会略微减少它。对于实际数据，我们发现兼容的结果与JLA的混合光度和光谱红移，而完整的光度选项是有偏见的，但与JLA一致时，所有的不确定性。
2022-10-24 astro-ph.CO
Photometric classification of type Ia supernovae in the SuperNova Legacy Survey with supervised learning
在大规模天文巡天时代，由于可用于候选星跟踪和分类的光谱资源有限，超新星光度分类已成为一个重要的研究领域。在这项工作中，我们提出了一种方法来光度分类Ia型超新星的基础上机器学习的红移是来自SN光变曲线。这种方法是在SNLS延迟管道的真实数据上实现的，SNLS延迟管道是一个纯粹的光度管道，它在高红移（$0.2<z<1.1$）处识别SNe Ia。我们的方法包括两个阶段：特征提取（从测光获得SN红移和估计光曲线形状参数）和机器学习分类。我们研究了不同算法的性能，如随机森林和提升决策树。我们使用SN模拟和超新星遗产调查（SNLS），其中包含大型光谱和光度分类Ia型样本的前3年的真实数据来评估性能。使用曲线下面积（AUC）度量，其中完美分类由1给出，我们发现我们的最佳性能分类器（极端梯度提升决策树）的AUC为$0.98$。我们表明，它是可能的，以获得一个大的光度选择Ia型SN样品的估计污染小于$5\%$。当应用到SNLS的前三年的数据，我们得到529个事件。我们调查分类模拟SNe，和真正的SN调查数据之间的差异。特别是，我们发现，应用一套彻底的选择削减的SN样本是必不可少的良好的分类。这项工作首次证明了机器学习分类在高$z$ SN调查中的可行性，并将其应用于实际SN数据。
2016-11-24 astro-ph.CO astro-ph.IM
Improved Photometric Classification of Supernovae using Deep Learning
我们提出了改进的光度超新星分类使用深度递归神经网络。与以前的工作相比，主要的改进是：（i）在使用观测时间作为输入的递归单元中引入时间门;（ii）大大增加了数据增强，包括时间平移，增加高斯噪声和早期截断光变曲线。对于后超新星光度分类挑战（SPCC）数据，使用一个代表性数据集的$5.2\%$（1103颗超新星）的训练分数，我们得到了$93.2 \pm 0.1\%$的Ia型与非Ia型分类精度，$0.980 \pm 0.002$的接收器操作特征曲线AUC和$F_1=0.57 \pm 0.01$的SPCC优值。利用具有代表性的$50\%$（$10660$超新星）数据集，我们得到了$96.6 \pm 0.1\%$的分类精度、$0.995 \pm 0.001$和$F_1=0.76 \pm 0.01$的AUC。我们发现，由于缺乏微弱的超新星，SPCC的非代表性训练集导致性能大幅下降，但这可以通过引入少量（$\sim 100$）微弱的训练样本来迁移。我们还概述了使用无监督域自适应实现这一目标的方法。
2018-10-15 astro-ph.CO astro-ph.IM
First release of high-redshift superluminous supernovae from the Subaru HIgh-Z sUpernova CAmpaign (SHIZUCA). I. Photometric properties
我们报告了我们从斯巴鲁HIGH-Z sUpernova CAmpaign（SHIZUCA）首次发现的高红移超新星，使用斯巴鲁/Hyper Suprime-Cam进行的瞬态调查。我们报告了三颗超新星的发现，光谱确认的红移为2.399（HSC 16 adga），1.965（HSC 17 auzg）和1.851（HSC 17 dbpf），以及两颗超新星候选者的主星系光度红移分别为3.2（HSC 16 apuo）和4.2（HSC 17 dsid）。在本文中，我们介绍了它们的光度特性，并在随附的论文中介绍了已确认的高红移超新星的光谱特性（Curtin et al. 2019）。红移为z ~ 2的超新星，其余紫外峰的亮度接近-21等，它们可能是超亮超新星。在z ~ 2处发现的3颗超新星，其事件率约为900 +/- 520 Gpc-3 yr-1（含泊松误差），这与根据宇宙恒星形成历史外推局部速率估算的总超亮超新星事件率一致。加入未经证实的超亮超新星候选者将增加事件发生率。我们在红移约为3和4的超亮超新星候选者表明，超亮超新星的近似速率为~ 400 +/- 400 Gpc-3 yr-1（z ~ 3）和~ 500 +/- 500 Gpc-3 yr-1（z ~ 4），具有泊松误差。我们的初步结果证明了Hyper Suprime-Cam发现高红移超新星的杰出能力。
2019-02-19 astro-ph.CO astro-ph.HE
Cosmology with Photometric Surveys of Type Ia Supernovae
我们讨论了在何种程度上光度测量可以单独用于识别Ia型超新星（SNIa），并确定宇宙学研究的红移和其他参数的兴趣。我们拟合的光变曲线数据的类型，预计从一个调查，如计划与大型综合巡天望远镜（LSST），并删除污染的核心坍缩超新星SNIa样本。我们根据现有的设计参数为每个LSST滤波器生成1000个SNIa模拟通量数据，然后使用马尔可夫链蒙特卡罗（MCMC）分析来拟合SNIa的红移、视星等、拉伸因子和相位。我们发现，当真实SNe红移低于0.5时，模型拟合工作得足够好，而在$z < 0.2$，光度数据的准确性几乎与光谱测量相同的样品。本文讨论了SNIa数据集上Ib/c型超新星（SNIb/c）和II型超新星（SNII）的污染问题。我们发现，它是很容易区分的SNII通过大的$χ^2$不匹配时，拟合光度数据与Ia光变曲线。SNIb/c的情况并非如此。我们实现了一个统计方法的基础上的贝叶斯估计，以统计减少污染从SNIb/c的宇宙学参数测量从整个SNe样本。所提出的统计方法还评估了SNIa在总SNe数据集中的分数，这为确定污染程度提供了有价值的指导。
2010-01-14 astro-ph.CO
Defining Photometric Peculiar Type Ia Supernovae
我们提出了一种新的光度识别技术SN 1991 bg类Ia型超新星（SNe Ia），即对象的光变曲线的特点，如后来的主要最大值和红色过滤器的第二个峰值的情况下。该方法能够从正常的Ia型人群中选出该亚组。此外，我们发现，最近确定的特殊的子类型，如SNe Iax和super-Eschrasekhar SNe Ia具有类似的光度特征91 bg类SNe Ia，即没有次级极大值和肩膀在较长的波长，也可以与我们的技术进行分类。这些不同的超新星Ia亚群的相似性可能暗示了共同的物理条件。这种分型方法允许在即将到来的大视场巡天中对奇特的Ia超新星进行光度鉴定，以便进一步研究它们或获得用于宇宙学研究的正常Ia超新星的纯样品。
2014-09-16 astro-ph.CO astro-ph.HE
SNIa photometric studies in SNLS
利用超新星巡天发现加速膨胀是过去十年来宇宙学中最令人惊讶的发现之一。目前和未来的调查，其中SNLS，JDEM或LSST，是基于几百到一百万颗超新星的样本。测量它们的光谱红移来研究暗能量特性已经是这种调查的限制性方面。在本文中，我将讨论和说明与SNLS数据的方法完全基于测光选择超新星候选人，并确定其红移。
2010-05-11 astro-ph.CO
A Fully Photometric Approach to Type Ia Supernova Cosmology in the LSST Era: Host Galaxy Redshifts and Supernova Classification
National Center for Supercomputing Applications（国家超级计算应用中心）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Chicago（芝加哥大学）；Stanford University（斯坦福大学）；SLAC National Accelerator Laboratory（SLAC国家加速器实验室）；Massachusetts Institute of Technology（麻省理工学院）；Center for Astrophysics | Harvard & Smithsonian（天体物理中心|哈佛与史密森尼学会）；The Inter-University Centre for Astronomy and Astrophysics (IUCAA)（大学间天文学和天体物理学中心）
针对LSST时代大量缺乏光谱分类和红移的Ia型超新星，提出基于测光分类和宿主星系测光红移的宇宙学分析方法，通过模拟实现约150的优值，显著优于DESVYR。
2026-06-11 astro-ph.CO
Cosmology with Photometrically-Classified Type Ia Supernovae from the SDSS-II Supernova Survey
我们提出了752光度分类Ia型超新星（SNe Ia）的宇宙学分析，从完整的斯隆数字巡天II（SDSS-II）超新星（SN）调查，补充从SDSS-III重子振荡光谱巡天（BOSS）的主星系光谱。我们的光度分类方法是基于Sako等人的SN分型技术（2011），并辅以宿主星系红移（0.05<z<0.55）。SNANA模拟我们的方法估计，我们有一个SNIa分型效率为70.8%，只有3.9%的污染，从核心崩溃（非Ia）SNe。我们证明，这种程度的污染对我们的宇宙学约束没有影响。我们量化和校正我们的选择效应（例如，Malmquist偏差）。当拟合到一个平坦的LambdaCDM宇宙学模型时，我们发现我们的测光样本单独给出omega_m=0.24+0.07-0.05（仅统计误差）。如果我们放松对平坦度的约束，那么我们的样本提供了对omega_m和omega_lambda的竞争性联合统计约束，与光谱确认的三年超新星遗产调查（SNLS 3）得出的约束相当。仅使用我们的数据，只有南极洲的结果有利于加速宇宙在99.96%的置信度。假设wCDM宇宙学模型为常数，结合H_0、CMB和LRG数据，我们得到了w=-0.96+0.10-0.10，ω_m=0.29+0.02-0.02和ω_k=0.00+0.03-0.02（仅统计误差），这与光谱证实的Ia超新星分析结果相比具有竞争力。总的来说，考虑到SDSS-II S…
2013-08-02 astro-ph.CO
Cosmology Requirements on Supernova Photometric Redshift Systematics for Rubin LSST and Roman Space Telescope
在即将到来的广域时域调查中，将发现和监测大约100万颗Ia型超新星（SN），如Vera C。Rubin Observatory Legacy Survey of Space and Time（鲁宾天文台时空遗产巡天）对于宇宙学的应用，除了其他特性外，还需要精确的红移;然而绝大多数SN不会有光谱红移，即使是对于它们的宿主星系，也只有光度红移。我们评估了红移系统控制必要的强大的宇宙学。基于由机器学习产生的光度与真实红移关系，应用于LSST质量观察到的50万个星系的模拟，我们量化了平均关系和异常值分数和偏差中的系统学要求，以便不偏向暗能量宇宙学推断。某些红移范围是特别敏感的，激发了SN在$z\lesssim0.2$和$z\approx0.5$-0.6附近的光谱跟踪。包括Nancy Grace Roman太空望远镜近红外波段的模拟中，我们重新分析的约束，发现在高红移的改善，但很少在低红移的系统学导致强烈的宇宙学偏见。我们确定了一个完整的光谱调查SN主机星系$z\lesssim0.2$作为一个非常有利的元素强大的SN宇宙学。
2021-01-06 astro-ph.CO
The Pantheon+ Analysis: Dependence of Cosmological Constraints on Photometric-Zeropoint Uncertainties of Supernova Surveys
Ia型超新星（SNe Ia）的哈勃常数H $_0$、宇宙质量密度$Ω_M$和暗能量状态方程参数$w$的测量依赖于三十年来使用不同测光系统的大量SNe调查。在这里，我们确定即将到来的SH0ES+万神殿+H $_0$，$Ω_M$，和$w$的约束的敏感性未知的系统在相对光度零点校准之间的17个调查，包括万神殿+超新星数据集。改变这些调查的零点同时与宇宙学参数，我们确定的SH0 ES+万神殿+测量H $_0$是强大的对调查间光度计的误校准，但测量$Ω_M$和$w$不是。具体来说，我们发现，校准不当的调查系统可以代表H $_0$的测量值不大于$0.2$公里秒$^{-1}$ Mpc $^{-1}$的不确定性的来源。H $_0$不确定性的适度增加不能解释H $_0$的SH0ES测量和H $_0$的普朗克$Λ$ CDM推断之间的$7$ km s $^{-1}$ Mpc $^{-1}$“哈勃张力”。然而，我们发现，SH0 ES+万神殿+$Ω_M$和$w$的最佳拟合值分别滑动，一阶，由$0.04$和$-0.17$每$25$毫米级的测量间校准不确定性，强调交叉校准在准确测量这些参数中发挥的重要作用。由于Pantheon+纲要包含许多共享低$z$哈勃流和造父变星配对SNe的测量，H $_0$的SH0ES+Pantheon+联合约束对于测量间光度校准误差是稳健的，并且此类误差不代表联合使用SH0ES+Pan…
2021-10-07 astro-ph.CO
Considerations for optimizing photometric classification of supernovae from the Rubin Observatory
维拉C。鲁宾天文台将使观测到的超新星（SNe）数量增加一个数量级;然而，不可能通过光谱确认所有发现的SNe的类别。因此，光度分类是至关重要的，但其准确性取决于鲁宾天文台的时空遗产调查（LSST）尚未最终确定的观测策略。我们定量分析了LSST观测策略对SNe分类的影响，使用来自光度LSST天文时间序列分类挑战赛（PLASTiCC）的模拟多波段光变曲线。首先，我们增加模拟训练集的光度红移分布每超新星类，观测的节奏，和测试集的通量不确定性分布的代表。然后，我们建立了一个分类器，使用光度瞬态分类库snmachine，基于高斯过程拟合获得的小波特征，产生类似的性能获奖PLASTiCC条目。我们研究了在一个单一的模拟观察策略的分类性能与不同的属性SNe。我们发现季节长度很重要，150天的光变曲线产生最高的性能。节奏对SNe分类也有重要影响;中位夜间间隔<3.5天的事件产生更高的分类性能。有趣的是，我们发现，光变曲线观测中的大间隙（>10天）不会影响性能，如果在任何一侧都有足够的观测数据，这是由于高斯过程插值的有效性。该分析是首次探索观测策略对光度超新星分类的影响。
2021-10-29 astro-ph.CO astro-ph.IM
Amalgame: Cosmological Constraints from the First Combined Photometric Supernova Sample
本研究首次将SDSS和Pan-STARRS两个纯测光Ia型超新星样本组合，在不使用低红移锚点的情况下进行宇宙学参数约束，结果表明测光样本能提供与光谱样本一致的高精度约束。
2023-09-11 astro-ph.CO
Photometric type Ia supernova surveys in narrow band filters
我们研究了窄带Ia型超新星调查的特点，通过模拟的基础上即将到来的Javalambre物理加速宇宙天体物理调查（J-PAS）。这种独特的调查有能力获得距离，红移和SN类型从一个单一的实验，从而规避了资源密集型光谱后续观测所面临的挑战。我们分析了流量测量的信噪比和偏差，超新星分型性能，恢复SALT 2模型给出的光变曲线参数的能力，Ia型超新星光变曲线的光度红移精度和系统误差对数据的影响。我们表明，这样的调查不仅是可行的，而且可能会产生大型Ia型超新星样本（每个月搜索$z<0.5$多达250颗超新星），核心塌陷污染低（$\sim 1.5$ %），SALT 2参数的精确度良好（平均$σ_{m_B}=0.063$、$σ_{x_1}=0.47$和$σ_c=0.040$）和距离模数（平均$σ_μ=0.16$，假设固有散射$σ_{\mathrm{int}}=0.14$），具有识别的系统不确定性$σ_{\mathrm{sys}}\lesssim 0.10 σ_{\mathrm{stat}}$。此外，过滤器足够窄，以检测大多数光谱特征，并获得良好的光度红移精度$σ_z=0.005$，除了$\sim$ 2%的离群值。我们还提出了一些优化调查结果的策略。窄带巡天与详细的宿主星系信息一起，对于研究超新星速率、光谱特征关系、内在颜色变化以及超新星与宿主星系性质之间的相关性非常有价值，所有这些都是超新星宇宙学应…
2014-10-23 astro-ph.CO astro-ph.IM
The Dark Energy Survey Supernova Program: Modelling selection efficiency and observed core collapse supernova contamination
对高红移Ia型超新星（SNe Ia）的当前和未来宇宙学观测的分析取决于对所探测到的SN事件的精确光度分类。生成光度SN调查的真实模拟构成了训练和测试光度分类算法的重要步骤，并用于校正由选择效应和光度SN Ia样本中核心塌陷SNe引起的污染所引入的偏差。我们使用已发表的SN时间序列分光光度模板，速率，光度函数和SNe和它们的宿主星系之间的经验关系，构建一个框架，模拟光度SN调查。我们提出了这个框架的背景下，暗能量调查（DES）5年的光度SN样本，比较我们的模拟DES与观察到的DES瞬态人口。我们在许多分布，包括哈勃残差，我们的模拟和数据之间表现出良好的协议。我们估计的核心崩溃分数预期在DES SN样品后，选择要求的应用和光度分类之前。在测试了我们模拟所依据的不同模型选择和天体物理假设后，我们发现预测的污染范围为5.8%至9.3%，平均值为7.0%和均方根值我们的模拟是第一次再现观测到的光度SN和主机星系的高红移调查的属性，而无需微调的输入参数。这里提出的模拟方法将是DES光度SN Ia样本的宇宙学分析的一个关键组成部分：校正污染引起的偏差，并评估相关的系统不确定性。
2020-12-13 astro-ph.CO
On the cosmological performance of photometrically classified supernovae with machine learning
对不同类型超新星的有效分类是观测宇宙学中最重要的问题之一。然而，在即将到来的测光调查中，如鲁宾天文台的时空遗产调查（LSST），大多数物体的光谱确认将是不可行的。因此，基于光度学的自动分类过程的发展变得至关重要。在本文中，我们使用2010年发布的超新星光度分类挑战赛中的模拟光变曲线，研究了机器学习（ML）分类对最终宇宙学约束的性能。我们研究了基于决策树集成或自动搜索过程的光曲线和许多不同ML管道的不同特征集的使用。为了构造最终的星表，我们提出了一个阈值选择方法，通过采用一个\emph{Bias-Variance tradeoff}。这是一个非常强大和有效的方法来最大限度地减少均方误差。用这种方法，我们能够得到非常强的宇宙学约束，这使我们能够保持$\sim 75\%$的总信息在类型Ia SNe时，使用SALT 2功能集和$\sim 33\%$的其他情况下（基于纽林模型或标准小波分解）。
2020-08-13 astro-ph.CO astro-ph.IM
zBEAMS: A unified solution for supernova cosmology with redshift uncertainties
没有光谱的超新星宇宙学将是未来调查的重要组成部分，如LSST。这种超新星光谱的缺乏导致红移的不确定性，如果忽略它，就会导致宇宙学参数的估计有很大的偏差。在这里，我们提出了一个分层贝叶斯形式主义- zBEAMS -解决这个问题，边缘化的未知或不确定的超新星红移产生无偏的宇宙学估计与超新星数据与光谱确认的红移竞争。zBEAMS提供了一个统一的处理光度红移和宿主星系的错误识别（由于偶然的星系排列或微弱的宿主而发生），有效地纠正了哈勃图中不可避免的污染。像它的前身BEAMS一样，我们的形式主义也通过边缘化未知的超新星类型来处理非Ia超新星污染。我们用光度红移和宿主星系错误识别的超新星模拟来说明这种技术。光度红移的一个新特征是超新星的红移分布所起的重要作用。
2017-10-26 astro-ph.CO astro-ph.IM
Results from the Supernova Photometric Classification Challenge
我们报告了超新星光度分类挑战赛（SNPCC）的结果，SNPCC是一个公开发布的模拟超新星（SNe）的混合体，其类型（Ia，Ibc和II）与其预期速率成比例。模拟实现了在黑暗能量调查（DES）与现实的观测条件（天空噪声，点扩散函数和大气透明度）的基础上，在DES网站多年的记录条件的格利兹过滤器。对非Ia型超新星的模拟是基于光谱学证实的光变曲线，其中包括卡内基超新星计划（CSP）、超新星遗产巡天（SNLS）和斯隆数字巡天II（SDSS-II）捐赠的未发表的非Ia样本。提供光谱学确认的子集用于培训。我们要求科学家运行他们的分类算法，并报告每个SN的类型和照片。来自10个小组的参与者为样本贡献了13个条目，其中包括每个SN的宿主星系照片，以及9个没有红移信息的样本条目。几种不同的分类策略导致类似的性能，并且对于所有条目，训练子集的性能显著优于未经确认的样本。对于光谱学未确认的子集，分类SNe~Ia的平均优值最高的条目的效率为0.96，SN~Ia纯度为0.79。作为测光SN分类和photo-z估算器未来发展的公共资源，我们已经发布了更新的模拟，并根据我们从SNPCC获得的经验进行了改进，增加了与大型综合巡天望远镜（LSST）和SDSS相对应的样本，并提供了答案，以便开发人员可以评估自己的分析。
2010-11-04 astro-ph.CO
Photometric Classification of Early-Time Supernova Lightcurves with SCONE
在这项工作中，我们提出了分类结果的早期超新星光变曲线从SCONE，光度分类器，使用卷积神经网络分类超新星（SNe）的类型使用光变曲线数据。SCONE能够从任何阶段的光变曲线中识别SN类型，从最初警报的夜晚到它们的寿命结束。模拟的LSST SNe光变曲线在触发日期后0、5、15、25和50天被截断，并用于在波长和时间空间中训练高斯过程以产生波长-时间热图。SCONE使用这些热图在SN类型Ia、II、Ibc、Ia-91 bg、Iax和SLSN-I之间执行6向分类。SCONE是能够进行分类或没有红移，但我们表明，将红移信息提高了性能在每个时代。SCONE在触发日期达到75%的总体准确性（60%没有红移），在触发后50天达到89%的准确性（82%没有红移）。SCONE也在SNe的明亮子集（r<20 mag）上进行了测试，并在触发日期产生了91%的准确性（83%没有红移）和95%的触发后5天（94.7%没有红移）。SCONE是卷积神经网络在早期光度瞬态分类问题中的首次应用。为本文开发的所有数据处理和模型代码可以在位于github.com/helenqu/scone的SCONE软件包中找到。
2021-11-10 astro-ph.CO astro-ph.IM
Photometric Supernova Classification With Machine Learning
自动光度超新星分类已成为近年来的一个活跃的研究领域，鉴于目前和即将到来的成像调查，如暗能量调查（DES）和大型综合巡天望远镜，因为光谱确认所有超新星的类型是不可能的。在这里，我们开发了一个多方面的分类管道，结合现有的和新的方法。我们的流水线包括两个阶段：从光变曲线中提取描述性特征和使用机器学习算法进行分类。我们的特征提取方法不同，从依赖于模型的技术，即SALT 2拟合，更独立的技术拟合参数模型曲线，一个完全独立的模型小波方法。我们涵盖了一系列代表性的机器学习算法，包括朴素贝叶斯，k-最近邻，支持向量机，人工神经网络和提升决策树（BDT）。我们在超新星光度分类挑战赛的模拟多波段DES光变曲线上测试了管道。使用常用的受试者操作特征的曲线下面积（AUC）作为度量，我们发现SALT 2拟合和小波方法，以及BDT算法，各自实现了0.98的AUC，其中1表示完美的分类。我们发现，一个有代表性的训练集是必不可少的良好的分类，无论功能集或算法，与光谱后续的影响。重要的是，我们发现，通过使用SALT 2或小波特征集与BDT算法，准确的分类是可能的纯粹从光变曲线数据，而不需要任何红移信息。
2016-09-07 astro-ph.CO astro-ph.IM
First Results from the La Silla-QUEST Supernova Survey and the Carnegie Supernova Project
LaSilla/QUEST变率巡天（LSQ）和卡内基超新星计划（CSP II）正在合作发现并获得大量低红移（z < 0.1）Ia型超新星的光度光变曲线。超新星是在LSQ调查中发现的，使用的是拉西拉天文台的1米ESO施密特望远镜和10平方度的QUEST相机。后续的光度观测是使用拉斯坎帕纳斯天文台的1米斯沃普望远镜和2.5米杜邦望远镜进行的。本文介绍了调查，讨论了数据的分析方法，并提出了光变曲线的第一个31 Ia型超新星调查中获得的。使用SALT 2.4超新星光变曲线拟合器分析光度数据，并给出了第一个样品的哈勃图。这些超新星的测量误差平均为4%，它们的固有扩散为14%。
2016-03-24 astro-ph.CO astro-ph.SR
Spectroscopic identification of a redshift 1.55 supernova host galaxy from the Subaru Deep Field Supernova Survey
内容：斯巴鲁深空超新星巡天发现了10颗红移范围为1.5<z<2.0的Ia型超新星（SNe Ia），这是完全由宿主星系的光度红移确定的。然而，测光红移可能是有偏差的，和SN样本可能被活动星系核（AGN）污染。目的：我们的目标是获得第一个鲁棒的红移测量和分类的z > 1.5 SDF SN Ia宿主星系候选人方法：我们使用X-射手（U-到-K-波段）光谱仪上的甚大望远镜，以允许检测不同的发射线在很宽的光谱范围。结果：我们测量到hSDF 0705.25的光谱红移为1.54563 +/- 0.00027，与其光度红移1.552 +/- 0.018一致。从强发射线光谱，我们排除活动星系核的活动，从而确认作为SN的光学瞬态。主星系遵循Mannucci et al.（2010，2011）定义的基本金属丰度关系，表明这个高红移的Ia型超新星主星系的性质与其他场星系相似。结论：需要光谱确认额外的SDF SN主机，以确认SDF中测量的宇宙SN速率演变。
2014-03-30 astro-ph.CO
Photometric properties of intermediate redshift Type Ia Supernovae observed by SDSS-II Supernova Survey
分析了Sloan数字巡天II超新星巡天（SDSS II SN Survey）观测到的328颗中等红移（0.05 ≤ z < 0.24）Ia型超新星（SNe Ia）的多波段光变曲线。采用多波段拉伸方法对多波段光变曲线进行参数化，该方法可以简单地参数化光变曲线的形状和峰值亮度，而不需要尘埃消光模型。我们发现，大多数出现在红色宿主星系（u-r> 2.5）中的超新星Ia没有宽的光变曲线宽度，而出现在蓝色宿主星系（u-r < 2.0）中的超新星Ia则有不同的光变曲线宽度。Kolmogorov-Smirnov检验表明，在红/蓝宿主星系中出现的Ia超新星的颜色分布是不同的（显著性水平为99.9%）。我们还研究了宿主星系尘埃的消光规律。结果表明，由中等光变曲线宽度的Ia超新星所得到的Rv值与标准银河值是一致的。另一方面，在红色宿主星系中出现的SNe Ia的Rv值变得显着较小。这些结果表明，可能存在两种类型的Ia超新星，它们具有不同的固有颜色，并且它们被具有两种不同性质的宿主星系尘埃所掩盖。
2016-10-20 astro-ph.CO astro-ph.GA
Prospects of the multi-channel photometric survey telescope in the cosmological application of Type Ia supernovae
该研究通过模拟评估多通道光度巡天望远镜在低红移Ia型超新星测距中的应用，确定最优观测策略，可获取数百个高质量样本并提升距离测量精度，为宇宙学校准提供重要支持。
2024-04-18 astro-ph.CO astro-ph.IM
Kernel PCA for type Ia supernovae photometric classification
在这项工作中，我们提出使用核主成分分析（KPCA）结合k = 1最近邻算法（1NN）作为超新星（SNe）光度分类的框架。分类完全基于光谱确认样品内的信息，并且每次对每个新的光变曲线进行一个分类。这允许我们在新的光谱光变曲线可用的情况下更新主成分（PC）参数空间，同时还避免了为每个单独的新分类重新确定它的需要。我们将该方法应用于\textit{Supernova Photometric Classification Challenge}（SNPCC）数据集的不同实例。当信噪比$\geq$为5时，我们的方法在所有分析的数据样本中提供了良好的纯度结果。因此，我们可以声明，如果作为SNPCC后的样品今天可用，我们将能够对纯度$\gtrsim$ 90%（D $_{7}$ +SNR3）的初始数据集的$\approx 15%$进行分类。从原来的SNPCC样品的结果，报告为红移的函数，表明我们的方法提供了高纯度（高达$\approx 97%$），特别是在$0.2\leq z < 0.4$的范围内，当从SNPCC的结果相比，同时保持一个中等的品质因数（$\approx 0.25$）。我们还提出了SNe光度分类的结果，仅使用前最大时期，获得63%的纯度和77%的成功分类率（SNR $\geq$ 5）。结果对每个光变曲线中包含的信息敏感，因此，更高质量的数据点导致更高的成功分类率。只要提供训练样本和测试…
2012-12-20 astro-ph.CO astro-ph.IM
Photometric classification and redshift estimation of LSST Supernovae
由于大型综合巡天望远镜（LSST）将观测到大量的超新星，而且不可能通过光谱跟踪所有的超新星，因此仅使用光度数据进行超新星分类和红移估计对LSST来说变得非常重要。我们研究的SN分类器，使用SN颜色分类LSST SNe与随机森林分类算法的性能。我们的分类器的AUC为0.98，这代表了出色的分类。通过选择概率阈值，我们能够获得含有99个$\%$ SNe Ia的光度SN样品。我们估计的光度红移（photo-z）的SNe在我们的样品中，通过拟合SN光变曲线使用SALT 2模型与嵌套采样。我们得到一个平均偏差（$\left<z_\mathrm{phot}-z_\mathrm{spec}\right>$）为0.012与$σ\left( \frac{z_\mathrm{phot}-z_\mathrm{spec}}{1+z_\mathrm{spec}}\right) = 0.0294$没有使用主机星系的照片-z先验，和一个平均偏差（$\left<z_\mathrm{phot}-z_\mathrm{spec}\right>$）为0.0017与$σ\left( \frac{z_\mathrm{phot}-z_\mathrm{spec}}{1+z_\mathrm{spec}}\right) = 0.0116$使用主机星系的照片-z先验。假设一个平坦的$ΛCDM$模型与$Ω_m=0.3$，我们得到$0.3…
2018-04-17 astro-ph.CO astro-ph.IM
Gravitational lensing in the Supernova Legacy Survey (SNLS)
观测到的Ia型超新星的亮度受到由沿视线的质量分布引起的引力透镜的影响，这在哈勃图中引入了额外的色散。我们在超新星遗产调查3年数据集中寻找透镜效应的证据。我们研究哈勃图的残差和引力放大率之间的相关性的基础上的前景星系的质量分布的模型。一个深测光目录，光度红移，以及建立质量光度关系。我们发现了一个透镜信号的证据与2.3西格玛的意义。目前的结果受到SNe的数量，它们的红移分布以及哈勃图中其他散射源的限制。将星系群分为红色和蓝色样本对信号检测的意义有积极的影响。另一方面，增加星系表的深度、光度红移的精度或减少质量光度关系中的散射，都没有什么影响。我们表明，对于完整的超新星遗产调查样本（~400光谱确认的Ia型SNe和~200光度确定的Ia型SNe），有80%的概率检测到透镜信号与3西格玛的意义。
2010-02-05 astro-ph.CO
Evaluating Cosmological Biases using Photometric Redshifts for Type Ia Supernova Cosmology with the Dark Energy Survey Supernova Program
本文针对未来大视场巡天无法依赖光谱的问题，利用暗能量巡天（DES）数据，通过结合超星光变曲线推断的测光红移与宿主星系先验评估宇宙学偏差，发现 w 可在统计误差内恢复，为下一代全测光 Ia 型超新星宇宙学分析奠定基础。
2024-07-23 astro-ph.CO
Optimizing spectroscopic follow-up strategies for supernova photometric classification with active learning
我们报告了一个光谱后续设计优化超新星光度分类的框架。该策略考虑了光谱和光度样本之间不可避免的不匹配，甚至可以在新调查的开始时使用-无需任何初始训练集。该框架属于主动学习（AL）的范畴，这是一类算法，旨在通过识别一些精心选择的对象来最大限度地减少标签成本，这些对象在改善分类器预测方面具有很大的潜力。作为概念证明，我们使用超新星光度分类挑战赛（SNPCC）和随机森林分类器后发布的模拟数据。我们的结果表明，在SNPCC光谱样本中仅使用12%的训练对象，这种方法能够使纯度结果加倍。此外，为了考虑到在同一个晚上的多个光谱观测，我们提出了一个半监督的批处理模式AL算法，选择一组$N=5$最翔实的对象在每个晚上。与使用传统方法的初始状态相比，我们的方法仅在180天的观察或800次查询（SNPCC光谱样本量的73%）后就实现了2.3倍的纯度和可比的优值结果。使用观察原始SNPCC光谱样品所需的相同量的光谱时间获得这样的结果，表明这种类型的策略对于当前可用的光谱资源是可行的。本工作中使用的代码可以在COINtoolbox中找到：https://github.com/COINtoolbox/ActSNClass。
2019-01-03 astro-ph.CO astro-ph.IM
Analytic Photometric Redshift Estimator for Type Ia Supernovae From the Large Synoptic Survey Telescope
Ia型超新星（SNe Ia）精确的光度红移（photo-z's）可以使Ia型超新星（SNe Ia）的使用成为可能，仅用光度学测量，以探测宇宙学。这大大增加了大型综合巡天望远镜（LSST）计划进行的超新星调查的科学回报。在本文中，我们描述了Wang（2007）提出的简单解析photo-z估计器的显着改进版本，并由Wang，Narayan和Wood-Vasey（2007）进一步发展。我们将其应用于使用SNANA软件包和LSST滤波器生成的55，422个模拟SNe Ia。我们发现，在photo-z的估计误差，σ_{ z_{phot} }/（1+ z_{phot}），可以被用来作为过滤器，以产生一组photo-z的，具有高精度，准确度和纯度。使用i波段中的SN Ia颜色以及SN Ia峰值幅度，我们获得了一组具有2%准确度的照片-z（σ（z_{phot} - z_{spec}）/（1+ z_{spec}）= 0.02），z_{phot}的偏差（z_{phot} - z_{spec}的平均值）为-9 X 10^{-5}，以及异常值分数（σ（z_{phot} - z_{spec}）/（1 + z_{spec}）= 0.02），|（z_{phot} - z_{spec}）/（1+ z_{spec}）|>0.1）为0.23%，要求σ_{ z_{phot} }/（1+ z_{phot}）<0.01。仅…
2015-05-12 astro-ph.CO
Photometric Calibration of the Supernova Legacy Survey Fields
我们提出了超新星遗产调查（SNLS）领域的光度校准。SNLS的目标是使用加拿大-法国-夏威夷望远镜（CFHT）上的1度^2成像仪MegaCam测量到（0.3<z<1）处的超新星Ia的距离。影响巡天光度定标的不确定度主导了巡天关键测量即暗能量状态方程的系统不确定度。SNLS的光度校准需要在整个成像仪上获得均匀的响应，校准每个测量波段（SDSS-like ugriz波段）中的科学领域的恒星，相对于相同波段中具有已知通量的标准，并将校准与UBVRI Landolt标准结合起来，该标准用于校准附近的SNe，这些标准来自产生宇宙学约束所必需的文献。成像仪光度响应的空间非均匀性映射使用抖动观测致密恒星场。对兰道标准的光度零点。对仪器的线性进行了研究。我们表明，成像器的过滤器和光度响应是不均匀的，并公布校正图。我们提出的仪器的有效通带的模型作为焦平面上的位置的函数。我们为MegaCam定义了一个自然星等系统。我们表明，影响星等流量关系的系统，可以减少，如果我们使用分光光度标准星BD +17 4708，而不是织女星作为一个基本的流量标准。我们出版了所有SNLS领域的Ugriz三级标准目录。
2009-08-26 astro-ph.CO astro-ph.IM
Supernova Simulations and Strategies For the Dark Energy Survey
我们提出了一个分析的超新星光变曲线模拟即将到来的暗能量调查（DES）超新星搜索。模拟采用的代码套件，生成和适应现实的光变曲线，以获得距离模量/红移对，通过宇宙学拟合。我们研究了几种不同的调查策略，包括字段选择，超新星选择偏差，测光红移测量。利用这项研究的结果，我们选择了一个30平方度的搜索区域中的格利兹过滤器集。我们预测：1）这次巡天将提供4000颗红移范围为0.05<z<1.2的Ia型超新星的均匀样本; 2）DES相机的红光效率提高将显著改善高红移颜色测量。每一颗超新星的红移都将从对宿主星系的光谱观测中获得。将获得样本子集的超新星光谱，用于对照研究。此外，我们还研究了结合光度红移的使用，同时考虑到来自宿主和超新星的数据。我们已经调查和估计可能的污染从核心坍缩超新星的光度鉴定的基础上，并已发现，Ia型超新星样品纯度高达98%是可获得的特定的假设。此外，我们提出了系统的不确定性，由于样品纯度，光度校准，灰尘消光先验，过滤器质心位移，和相互校准。最后，我们估计的宇宙学参数，将从DES超新星数据测量的不确定性。
2012-07-12 astro-ph.CO
Machine Learning Closure Audits for LSST Photometric Supernova Cosmology
Center for AstroPhysical Surveys, National Center for Supercomputing Applications（国家超级计算应用中心天体物理调查中心）；Department of Astronomy, University of Illinois at Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校天文系）
研究针对超新星宇宙学分析中标准闭合测试的不足，引入机器学习闭合性审计，通过对大型综合巡天望远镜Ia型超新星模拟及真实暗能量调查样本进行测试，揭示残差可预测性，提供诊断协议以比较模拟与观测，识别残差非闭合性。
2026-07-09 astro-ph.CO astro-ph.IM
Impact of Rubin Observatory cadence choices on supernovae photometric classification
本研究评估了LSST不同观测节奏对超新星光变分类性能的影响，发现滚动节奏显著提升分类准确率及Ia型超新星数量，而presto-color的每晚三次观测会降低分类效果。
2023-03-15 astro-ph.CO astro-ph.IM
Data-driven photometric redshift estimation from type Ia supernovae light curves
红移测量一直是现代天文学和宇宙学中的一个经常性的需要。随着新的测量提供了大量关于天文物体的数据，自动处理这些数据的必要性越来越大。在这篇文章中，我们使用来自暗能量调查的模拟数据，以及最初为分类超新星而创建的管道，我们开发了一种线性回归算法，该算法通过新型自动机器学习（AutoML）框架进行优化，与其他现代算法（如XGBOOST）相比，其错误分数优于普通数据预处理方法。在数值上，Ia型超新星事件的光度预测RMSE从0.16降低到0.09，所有超新星类型的RMSE从0.20降低到0.14。我们的流水线包括四个步骤：通过光谱数据点，我们使用高斯过程拟合算法插值的光变曲线，然后使用小波变换，我们提取这些曲线的最重要的特征;我们依次通过主成分分析降低这些特征的维数，最后我们应用了超级学习技术（堆叠集成方法）通过一个AutoML框架专门优化几个不同机器学习模型的参数，更好地解决问题。作为最后的检查，我们通过AutoML训练和优化的50多个模型的预测，使用高斯核密度估计获得了概率分布函数（PDF）。计算这些PDF以复制使用SALT 2模型（用于模拟原始数据本身的模型）的原始曲线。
2023-03-21 astro-ph.CO astro-ph.IM
A Photometric Analysis of the Relationship Between Type Ia Supernova UV Flux and Host Galaxy Metallicity
Ia型超新星（SNe Ia）的母星金属丰度的影响具有重要的宇宙学意义，因为需要在大的宇宙时间跨度内比较这些可测量的蜡烛，其中母星可能具有不同的性质。关于金属丰度差异影响的波长范围，理论模型得出了不同的结论，导致对紫外线观测样本的不同解释。最近的工作声称，从雨燕棱镜光谱测量的超新星Ia的中紫外线通量与其宿主星系的气相金属丰度之间存在相关性。在这里，我们检查紫外光度相同的对象。我们没有发现显着的相关性之间的紫外光学颜色（或紫外/光学计数率比）的超新星Ia和宿主星系的质量或金属丰度的属性。缺乏一个显着的相关性与宿主星系金属丰度意味着另一个物理差异以外的祖先金属丰度占主导地位的紫外线通量的差异。我们不再受到缺乏紫外线观测的限制。相反，理解现有的观测结果需要改进的理论模型和更大的物理差异参数空间。
2019-09-12 astro-ph.CO astro-ph.GA
A Type II Supernova Hubble diagram from the CSP-I, SDSS-II, and SNLS surveys
即将到来的大型测光宽视场巡天时代将使超新星的探测率提高几个数量级。在绝大多数情况下，这些数字将限制光谱的后续工作，因此必须开发仅基于光度数据的新方法。在这里，我们构建了一个完整的哈勃图的II型超新星结合数据从三个不同的样本：卡内基超新星项目-I，斯隆数字巡天II SN和超新星遗产调查。本文用测光色法（PCM）计算了73颗红移范围为0.01- 0.5的II型超新星（SNe~II）的本征色散，得到了0.35等的色散，并与用61 SNe~II的标准烛光法（SCM）进行了比较，得到了哈勃图中的本征色散为0.27等，即：距离不确定性为13%。由于这两种方法在更高的红移下都缺乏良好的统计，只能得到对宇宙学参数的弱约束。然而，假设宇宙是平坦的，并使用PCM，我们得到了宇宙的物质密度：PDMATHAMM =0.32 $^{+0.30}_{-0.21}$提供了一个新的独立的证据暗能量在2西格玛水平。
2016-12-16 astro-ph.CO
Measuring the Properties of Dark Energy with Photometrically Classified Pan-STARRS Supernovae. I. Systematic Uncertainty from Core-Collapse Supernova Contamination
Pan-STARRS（PS1）中深巡天发现了超过5，000颗可能的超新星（SNe），但仅获得了10%的SN候选者的光谱分类。我们测量了3,147个可能的SNe的光谱宿主星系红移，并估计$\sim$ 1,000是Ia型SNe（SNe Ia），其光变曲线质量足以进行宇宙学分析。我们使用这些数据与模拟，以确定核心塌陷SN（CC SN）污染的测量的暗能量状态参数，$w$方程的影响。使用贝叶斯估计应用于多个物种（BEAMS）的方法，到Ia超新星的距离和污染CC SN分布的同时确定。我们测试光变曲线为基础的SN分类先验BEAMS以及一种新的分类方法，依赖于主机星系光谱和SN类型与主机类型的关联。通过在大型SN模拟中测试几种SN分类方法和CC SN参数化，我们估计CC SN污染对$w$（$σ_w^{CC}$）的系统误差为0.014，即29%的统计不确定性。我们的最佳方法给出了$σ_w^{CC} = 0.004$，仅为统计不确定性的8%，但可能受到CC SN分布知识不完整的影响。该方法确定SALT 2颜色和形状系数$α$和$β$，具有$\sim$ 3%偏差。然而，我们发现，一些变体需要$α$和$β$被固定到已知的BEAMS值，以产生$w$的准确测量。最后，在我们的样本中推断的明亮CC SNe的丰度大于基于测量的CC SN速率和光度函数的预期。
2017-06-19 astro-ph.CO
The Dark Energy Survey Supernova Program: Cosmological biases from supernova photometric classification
对光度学鉴定的Ia型超新星（SNe Ia）样本的宇宙学分析取决于对核心坍缩和特殊的Ia型超新星事件的“污染”影响的理解。我们采用了严格的分析国家的最先进的模拟光度确定的超新星Ia样本，并确定宇宙学的偏见，由于这种“非Ia”污染的暗能量调查（DES）5年的SN样本。作为分析的一部分，我们测试我们的DES模拟SuperNNova的性能，光度SN分类器基于递归神经网络。根据模拟数据样本和训练样本中非Ia SN模型的选择，污染范围为0.8- 3.5%，分类效率为97.7- 99.5%。使用贝叶斯估计应用于多个物种（BEAMS）框架及其扩展“BEAMS与偏差校正”（BBC），我们产生了一个红移binned哈勃图边缘化的污染和校正的选择效果，我们用它来约束的暗能量状态方程，$w$。假设一个平坦的宇宙与高斯$Ω_M$之前的$0.311\pm0.010$，我们表明，$w$的偏见是$<0.008$时，使用SuperNNova和会计范围广泛的非Ia SN模型的模拟。与污染相关的系统不确定性估计最多为$σ_{w, \mathrm{syst}}=0.004$。这与DES-SN样品的$σ_{w,\mathrm{stat}}=0.039$的预期统计不确定度进行了比较，从而表明污染不是我们分析中的限制性不确定度。我们还测量了由于$w_0$和$w_a$（假设宇宙是平坦的）上的污染引起的偏倚，发现这些偏倚在$w_0…
2021-11-19 astro-ph.CO
Atmospheric extinction properties above Mauna Kea from the Nearby Supernova Factory spectro-photometric data set
我们提出了一个新的大气消光曲线的莫纳克亚跨越3200- 9700毫米。这是迄今为止最全面的，是基于约4285标准恒星光谱获得的478个夜晚，分布在7年的时间内获得的附近超新星工厂使用超新星积分场摄谱仪。这条平均曲线及其色散可用于校准莫纳克亚山的光谱或成像数据，以及估计与使用平均消光曲线相关的校准不确定性。我们的方法分解的消光曲线的物理成分，并能够确定的彩色部分的消光，即使在多云的夜晚，描述和验证了广泛的条件下采样我们的大型数据集。我们表现出良好的协议与大气科学数据获得附近的莫纳罗亚天文台，并与以前公布的测量上述莫纳克亚山灭绝。
2012-10-09 astro-ph.CO astro-ph.IM
Towards Precision Photometric Type Ia Supernova Cosmology with Machine Learning
本论文面向大规模测光巡天时代，提出SCONE超新星测光分类、Photo-zSNthesis纯测光红移估计及通用机器学习鲁棒性改进方法，为精确测光Ia型超新星宇宙学提供关键技术支持。
2024-06-06 astro-ph.CO
The Foundation Supernova Survey: Measuring Cosmological Parameters with Supernovae from a Single Telescope
暗能量状态方程参数$w$的测量一直受到$z<0.1$ Ia型超新星（SNe Ia）的选择效应和光度校准的不确定性的限制。基金会超新星巡天的目的是通过在泛星系统上观测到的$z<0.1$ SNe Ia的新样本来降低这些不确定性。在这里，我们将基金会样本与Pan-STARRS中深巡天的SNe结合起来，并使用来自单个望远镜和单个校准良好的测光系统的1，338 SNe测量宇宙学参数。这是第一次，无论是低- $z$和高- $z$的数据主要发现的调查，不针对预先选定的星系，减少选择偏差的不确定性。的$z>0.1$数据包括875 SNe没有光谱分类，我们表明，我们可以鲁棒地边缘化CC SN污染。我们通过$0.046 \pm 0.027$ mag（stat+sys）测量基金会哈勃残差比预先存在的低$z$哈勃残差更暗。通过结合超新星Ia的观测数据和宇宙微波背景约束，我们发现了与$Λ$ CDM一致的$w=-0.938 \pm 0.053$。仅用463个光谱分类的Ia型SNe，我们测量了$w=-0.933\pm0.061$。使用更均匀和更好地表征基金会的样品给出了一个55%的系统的不确定性减少归因于超新星Ia样本选择的偏见。虽然在低和高红移下只使用一个测光系统会增加测光校准不确定性的影响，但以前的低$z$样品可能具有在过去的研究中被忽略的相关校准不确定性。完整的基金会样本将观测到高达800 SNe，以锚定…
2019-06-27 astro-ph.CO
Using Host Galaxy Photometric Redshifts to Improve Cosmological Constraints with Type Ia Supernova in the LSST Era
我们对模拟的Ia型超新星（SN~Ia）进行了严格的宇宙学分析，并评估了与仅使用具有来自主机或SN的光谱红移的“zspec”子集相比，包括测光主机星系红移的改进。我们使用来自光度LSST天文时间序列分类挑战赛（PLaSTiCC）的深钻场（~50 deg^2），结合基于数据集2（DC 2）的低z样本。分析包括光变曲线拟合标准化SN亮度，高统计模拟，以获得偏差校正的哈勃图，统计+系统学协方差矩阵，包括校准和photo-z的不确定性，和宇宙学拟合与先验的宇宙微波背景。与使用zspec子集相比，包括SN+主机照片-z的事件导致i）z>0.5的更精确的距离，ii）在红移中进一步扩展0.3的哈勃图，以及iii）基于w 0-wa CDM模型的暗能量任务组品质因数（FoM）增加50%。分析25个模拟数据样本，w 0和wa的平均偏差一致为零。0.01的宿主光-z系统仅将FoM降低2%，因为i）大多数z<0.5的事件在zspec子集中，ii）组合的SN+宿主光-z具有X2更小的偏差，以及iii）拟合的红移和颜色之间的反相关自校正距离误差。为了准备分析真实的数据，下一个SNIa宇宙学分析与photo-z的应该包括非SN-Ia污染和宿主星系的错误关联。
2022-10-17 astro-ph.CO astro-ph.IM
A simple and robust method for automated photometric classification of supernovae using neural networks
本文提出了一种超新星（SNe）的自动光度分类方法，它可以将超新星分为Ia型和非Ia型。采用两步法：（1）分别拟合各观测滤波器的SN光变曲线通量测量值;以及（ii）拟合的函数参数及其相关的不确定性，以及通量测量的数量、拟合的最大似然值和模型的贝叶斯证据，被用作分类神经网络（NN）的输入特征向量，所述分类神经网络（NN）输出所考虑的SN是Ia型的概率。该方法使用超新星光度分类挑战赛（SNPCC）后发布的数据进行训练和测试。我们考虑将数据随机划分为训练集和测试集：例如，对于我们的样本D_1（D_4），总共有10%（40%）的数据用于训练算法，其余的用于盲测试分类器;我们不进行选择切割。在NN输出上使用p_th=0.5的典型阈值概率将SN分类为Ia型，对于样本D_1（D_4），我们获得了0.78（0.82）的完整性，0.77（0.82）的纯度和0.41（0.50）的SNPCC品质因数。包括SN主机星系红移和它的不确定性作为额外的输入到NN的结果在一个温和的5-10%的增加，这些值。我们发现分类质量并不随SN红移而显著变化。此外，我们的概率分类方法允许计算预期的完整性，纯度或其他措施的分类质量作为一个函数的p_th，而不知道测试样本中的SNe的真实类。因此，该方法可以通过优化p_th来进一步改进，并且可以容易地扩展以将非Ia SNe分成它们的不同类别。
2012-11-15 astro-ph.CO astro-ph.IM
A Bayesian Approach to Classifying Supernovae With Color
即将到来的大规模地面和空间超新星调查将面临一个挑战，即在很大程度上不使用光谱学的情况下识别超新星候选者。在过去的几年里，已经提出了一些只依赖光度信息的超新星识别方案。其中一些方案使用颜色-颜色或颜色-星等图;其他方案只是将超新星数据拟合到模型中。这两种方法都有一些缺点，部分在所谓的贝叶斯超新星分类技术中得到解决。然而，贝叶斯技术也存在问题，因为它们通常要求超新星候选者是已知的超新星类型之一。这带来了许多问题，其中最明显的是，在大型超新星候选样本中，必然会有不符合任何目前已知模型的物体。我们提出了一个新的光度分类方案，使用贝叶斯因子的基础上的颜色，以确定超新星的类型。这种方法不需要了解可能模仿超新星信号的一整套可能的天文物体。此外，作为贝叶斯方法，它在一个步骤中考虑了测量的所有系统和统计不确定性。为了说明该技术的使用，我们将其应用于未来可能的大规模天基联合暗能量任务的模拟数据集，并演示了如何使用它来识别Ia型超新星。该方法在预选和排序超新星候选者以进行可能的光谱跟踪方面的实用性--即，它作为超新星触发器的用途将被简要讨论。
2009-09-20 astro-ph.CO
Follow-up of SN 2025wny IV: Photometric Time-delay Measurements of a Strongly Lensed Superluminous Supernova
University of Birmingham（伯明翰大学）；University of Cambridge（剑桥大学）；California Institute of Technology（加州理工学院）；Stockholm University（斯德哥尔摩大学）
本研究对首个强引力透镜SLSN-I SN 2025wny进行测光时间延迟测量，采用GausSN建模，测得时间延迟并结合透镜模型得到H₀，验证了强引力透镜超新星作为H₀独立探针的潜力。
2026-08-31 astro-ph.CO
Cosmological Prediction of the CSST Ultra Deep Field Type Ia Supernova Photometric Survey
本研究模拟CSST超深场Ia型超新星测光巡天，通过SNCosmo和SALT3模型生成光变曲线并采用类Chauvenet准则降低核坍缩超新星污染，发现其对暗能量等宇宙学参数的约束精度比当前巡天高约两倍，结合BAO数据可进一步提升。
2024-04-23 astro-ph.CO
How in situ atmospheric transmission can affect cosmological constraints from type Ia supernovae ?
本文研究原位大气透射测量对Ia型超新星宇宙学约束的影响，提出利用Rubin Observatory辅助望远镜校正原始星等以降低测光系统误差，从而实现亚百分级精度。
2022-03-25 astro-ph.CO astro-ph.IM
Photometric classification of supernovae detected by the Zwicky Transient Facility using noise augmentation
Humboldt-Universität zu Berlin（柏林洪堡大学）；Deutsches Elektronen-Synchrotron（德国电子同步辐射加速器中心）；Leibniz-Institut für Astrophysik Potsdam (AIP)（波茨坦阿基米德天体物理研究所）；European Southern Observatory（欧洲南方天文台）；University of Washington（华盛顿大学）；Trinity College Dublin, The University of Dublin（都柏林三一学院）；California Institute of Technology（加州理工学院）；National Central University（中央大学）；Lancaster University（兰卡斯特大学）；Institute of Space Sciences (ICE, CSIC)（空间科学研究所）；Institut d’Estudis Espacials de Catalunya (IEEC)（加泰罗尼亚空间研究院）
本文提出了一种基于特征的光度分类器，利用噪声增强技术提高ZTF检测超新星的分类性能，特别是在较暗源上的表现，构建了大规模光度SN Ia样本用于宇宙学研究。
2026-02-13 astro-ph.CO astro-ph.IM
SDSS-II Supernova Survey: An Analysis of the Largest Sample of Type Ia Supernovae and Correlations with Host-Galaxy Spectral Properties
使用迄今为止最大的Ia型超新星（SNe Ia）的单次调查样本，我们研究了SNe Ia和它们的宿主星系的属性之间的关系，主要集中在与哈勃残差（HR）的相关性。我们的样本由345个光度分类或光谱确认的SNeIa组成，这些SNeIa是SDSS-II超新星调查（SDSS-SNS）的一部分。这项分析利用了在SDSS-I/II光谱巡天和SDSS-III重子振荡光谱巡天（BOSS）的一个辅助程序中获得的主星系光谱，该程序获得了几乎所有SDSS-II SN候选主星系的光谱。此外，我们还使用了SDSS-SNS数据发布（Sako et al. 2014）中的光度宿主星系属性，例如宿主恒星质量和恒星形成率。我们证实了众所周知的HR和宿主星系质量之间的关系，并发现一个非零线性斜率的3.6σ的显着性。我们还恢复HR和宿主星系气相金属丰度和特定的恒星形成率之间的相关性，因为它们在文献中报道。通过我们的大型数据集，我们同时检查了HR和多个宿主星系属性之间的相关性，没有发现显着相关性的证据。我们还独立地分析了我们的光谱确认和光度分类的Ia超新星，并评论了类似的组合数据集对未来调查的意义。
2016-02-08 astro-ph.CO astro-ph.GA
Revised Supernova Rates from the IfA Deep Survey
IfA Deep的调查发现了大约130个热核超新星（TNSNe，即Ia型）候选者，其红移从z=0.1到超过z=1。从这些数据中得出的TNSN爆炸率一直存在争议，与其他调查中出现的证据相冲突。这项工作重新审视了IfA的深度调查，以重新评估光度证据。应用SOFT程序的所有SN候选人的光变曲线，我们得到新的分类等级和红移估计。我们发现z~0.5的体积速率大大小于最初公布的值，使修订后的IfA深度速率与其他调查吻合得很好。通过我们改进的光度分析技术，我们能够自信地将速率测量扩展到更高的红移，并且我们发现TNSN速率稳步增加，没有迹象表明z=1.05的峰值。
2010-08-26 astro-ph.CO
