Photometric Supernovae Redshift Systematics Requirements
在未来的十年里，成像调查将发现成千上万的Ia型超新星，并测量它们的光变曲线。除了需要表征它们的类型和亚型之外，还需要红移将它们放在哈勃图上以映射宇宙膨胀。为了不影响宇宙学结果，特别是暗能量参数估计，我们研究了红移系统学控制的要求。我们发现，添加剂和乘法系统必须限制在几个$\,\times 10^{-3}$水平，有效地要求光谱后续强大的光度超新星的使用。灾难性的异常值需要控制在百分之几的水平。我们还研究了光谱样品的雕刻。
2019-07-01 astro-ph.CO
Supernova Legacy Survey: Using Spectral Signatures To Improve Type Ia Supernovae As Distance Indicators
Gemini-North望远镜的GMOS光学长缝光谱学被用来对2005年7月和2006年5月至2008年5月的超新星遗产调查（SNLS）中的目标进行分类。在此期间，观察到95个物体。在可能的情况下，物体的红移（z）是从宿主星系光谱中狭窄的发射或吸收特征测量的，否则它们是从更广泛的超新星特征测量的。我们目前的光谱68确认或可能的超新星Ia从SNLS的红移范围为0.17 \leq z \leq 1.02。结合早期的SNLS Gemini和VLT光谱，我们使用这些新的观测结果测量了144个天体的三个光谱特征- CaII H&K，SiII和MgII -的伪等效宽度（EW），并将其与来自文献样本的低红移SNe Ia的EW进行了比较。对于CaII H&K和MgII特征，没有观察到随z变化的迹象。系统较低的EW SiII被认为是在高红移，但这可以解释为一个双组分模型内的SNe Ia人口的变化，结合观察到的EW SiII和光度光变曲线拉伸之间的相关性。
2010-08-13 astro-ph.CO
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
CMB lensing imprints of cosmic voids in DESI Legacy Survey DR9 LRGs with photometric redshift calibration
INAF-IASF Milano（意大利国家天体物理研究所米兰天文物理研究所）
本文研究了宇宙空洞对21厘米宇宙微波背景偏振的印迹，利用DESI遗产调查DR9 LRGs样本中的三维空洞，与Planck 2018偏振图进行交叉相关分析，通过ΛCDM模板验证，发现观测与模拟结果一致，解决了观测与模拟之间的偏振低张力问题。
2026-05-19 astro-ph.CO
The Clustering of DESI-like Luminous Red Galaxies Using Photometric Redshifts
我们提出了测量的红移依赖的集群的一个类地星云的发光的红色星系（LRG）的样本从传统的调查成像数据集，并使用晕占据分布（HOD）框架来拟合集群信号。本研究中的测光LRG样本包含270万个在$0.4 < z < 0.9$红移范围内的物体，这些物体的位置超过5655度$^2$。我们已经开发了新的光度红移（照片-$z$）估计使用传统的调查DECam和WISE测光，与$σ_{\mathrm{NMAD}} = 0.02$精度的LRG。我们使用新的方法，最大限度地提高信噪比，同时将红移的不确定性计算投影相关函数。我们提出了一种新的算法，用于将不规则的测量几何形状划分为等面积的补丁刀切重新定位。对于一个五参数的HOD模型拟合使用MultiDark晕目录，我们发现，除了在最高的红移，在HOD参数几乎没有演变。推断的大尺度结构偏差在很大程度上与随时间推移的恒定聚类幅度一致。在附录中，我们探讨了马尔可夫链蒙特卡罗拟合的限制，使用随机似然估计HOD方法应用于N体目录，并提出了一种新的技术，在这种情况下，找到最适合的参数。伴随着这篇论文，我们已经发布了光度红移的遗产调查（PRLS）目录的照片-$z$的通过应用在这项工作中使用的方法，以完整的遗产调查数据发布8数据集。这个星表提供了在天空$^2$超过16，000度范围内具有$z < 21$的天体的精确光度学红移。
2021-04-02 astro-ph.CO
Photometric Estimates of Redshifts and Distance Moduli for Type Ia Supernovae
大型计划的光度测量将发现数十万颗超新星（SNe），超过了光谱跟踪的可用资源，需要开发纯光度测量方法来利用这些事件进行宇宙学研究。我们提出了一个光曲线拟合技术的超新星Ia光度红移（photo-z）的估计，其中的红移是同时确定与其他拟合参数。我们在MLCS 2k 2和SALT-II光变曲线拟合方法的框架内实现了这种“LCFIT+Z”技术，并确定了红移和距离模量的精度。这种方法适用于光谱确认的样品296超新星Ia从SDSS-II超新星调查和37公开可用的超新星Ia从超新星遗产调查（SNLS）。我们还将该方法应用于现有和计划中的调查，包括SDSS，SNLS和LSST的现实模拟光变曲线的大套件。当包括内在SN颜色波动时，模拟的photo-z精度与数据中的一致。最后，我们将LCFIT+Z photo-z精度与使用基于颜色的SN photo-z估计的先前结果进行了比较。
2010-05-13 astro-ph.CO
Supernova cosmology: legacy and future
第一代高红移超新星巡天发现了暗能量，引起了宇宙学之外的巨大兴趣，对基础物理学有着戏剧性的影响。利用超新星爆炸进行的距离测量是对宇宙膨胀历史的最直接的探测，使其成为研究宇宙结构和最大尺度引力性质的非常有用的工具。过去十年证实了最初的结果。Ia型超新星是获得高精度测量暗能量状态方程参数的领先技术之一，在不久的将来，它的时间依赖性。这些努力的成功取决于我们理解大量影响地球观测通量的效应的能力，这些效应主要是天体物理性质的。现在的前沿在于理解观察到的现象是否是由于真空能量，尽管它的密度不自然，或者一些奇异的新物理学。未来的调查将通过改进的校准程序解决系统性影响，并提供数千颗超新星进行详细研究。
2011-02-07 astro-ph.CO
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
Assessment of the Systematic Uncertainties in the Cosmological Analysis of the SDSS Supernovae Photometric Sample
Ia型超新星（SNIa）的宇宙学参数的测量精度的提高预计将来自大型光度识别（光度）SN样本。在这里，我们重新分析的SDSS光度SN样品，大约700高品质，可能的，但未经证实的SNIa光变曲线，开发新的分析工具，旨在评估系统的不确定性的暗能量状态方程参数$w$。由于我们需要用光谱测量每个SN的宿主星系红移，因此我们确定了宿主星系的相关选择效率，以模拟偏差修正。我们确定，主机星系的错协率是$0.6\%$ ;忽略这种影响，在模拟的偏差校正导致的$w$ -偏差$Δw = +0.0007$，其中$w$评估从SNIa和先验测量的重子声学振荡和宇宙微波背景。我们评估的不确定性，在我们的主机星系选择效率的建模，并发现相关的$w$的不确定性是$-0.0072$。最后，我们在模拟训练样本中探索了新的核心塌陷（CC）模型，并发现调整CC光度分布与以前的Pan-STARRS分析一致，可以更好地匹配SDSS数据。忽略此调整的影响是$Δw = -0.0109$ ;用Pan-STARRS使用的CC模型替换新CC模型的影响是$Δw = -0.0028$。这些系统的不确定性是次要的统计约束的SDSS样品，但必须考虑在未来的光度分析的大SN样品，如DES，LSST和WFIRST。
2020-01-22 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
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
The Core-collapse rate from the Supernova Legacy Survey
我们使用超新星遗产调查（SNLS）的三年数据来研究核心坍缩和Ia型超新星的一般性质。这是第一次使用“滚动搜索”技术进行此类研究，该技术保证了采样良好的SNLS光变曲线和比$i^\prime\sim24$更亮的超新星的良好效率。使用主机光度红移，我们测量超新星绝对星等分布下降到光度$4.5 {\rm mag}$比正常SNIa微弱。使用光谱学和光变曲线拟合来区分SNIa，我们发现了117个具有红移$z<0.4$（中值红移为0.29）的核心坍缩超新星候选者的样本，并测量出它们的速率比Ia型超新星速率大$4.5\pm0.8(stat.) \pm0.6 (sys.)$倍。这对应于$[1.42\pm 0.3(stat.) \pm0.3(sys.)]\times10^{-4}\yr^{-1}(h_{70}^{-1}\Mpc)^{-3}$的$z=0.3$处的芯塌陷率。
2009-04-07 astro-ph.CO
Studying baryon acoustic oscillations using photometric redshifts from the DESI Legacy Imaging survey DR9
本文利用DESI Legacy Imaging Survey DR9测光红移数据，在0.6–0.8红移区间测量亮红星系BAO尺度，发现天区覆盖区域间差异与DESI Y1和eBOSS的张力一致，支持样本方差解释，并揭示需校正测光红移不确定性引起的系统偏移。
2025-02-09 astro-ph.CO
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
Lower bounds on photometric redshift errors from Type Ia supernovae templates
迄今为止，Ia型超新星的宇宙学需要广泛的光谱跟踪来建立红移。虽然以目前的发现速度还可以忍受，但下一代地面全天观测仪器将使这种方法无法持续。基于光度测量的红移测定是一个可行的选择，但引入了不可忽略的误差，最终降低了区分竞争宇宙学的能力。我们提出了一个严格的基于模板的光度红移估计和计算红移重建误差的光度和统计误差的存在。合理的假设的节奏和超新星的分布，这些红移误差与系统误差相结合，并使用Fisher矩阵形式主义传播$Ω_w$和$Ω_w'$相关的下一代地面全天空调查的联合误差的下限。
2009-07-30 astro-ph.CO astro-ph.IM
Retrospective Search for Strongly Lensed Supernovae in the DESI Legacy Imaging Surveys
University of California, Los Angeles（加州大学洛杉矶分校）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）；University of San Francisco（旧金山大学）；Gemini Observatory / NSF’s NOIRLab（吉米天文台/美国国家光学红外天文实验室）；Kavli Institute for the Physics and Mathematics of the Universe, University of Tokyo（东京大学宇宙物理数学研究所）；University of Hawaii（夏威夷大学）
本文开发了针对强引力透镜系统的瞬变源搜索流水线，应用于 DESI Legacy 巡天数据，发现七个新的透镜超新星候选体，其中一个极可能是 Ia 型，有助于宇宙学参数约束。
2023-03-31 astro-ph.CO astro-ph.GA
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
Photometric Supernova Cosmology with BEAMS and SDSS-II
没有光谱确认的超新星宇宙学是一个令人兴奋的新前沿，我们在这里使用贝叶斯估计应用于多物种（BEAMS）算法和斯隆数字巡天II超新星巡天（SDSS-II SN）的整整三年数据。BEAMS是一个贝叶斯框架，用于在统计推断中使用来自多个物种的数据，当一个人有概率每个数据点属于一个给定的物种时，对应于不同类型的超新星，其概率来自其多波段光变曲线。我们在高斯和更现实的SNANA模拟中运行BEAMS算法，使用10^4阶超新星，测试算法是否会遇到光度超新星宇宙学新的未知领域中可能出现的各种陷阱。我们比较BEAMS的性能的模拟光谱调查和光度样品已被削减使用典型的选择标准。后者通常是有偏见的，由于污染或有显着较大的轮廓，在宇宙学参数由于小的数据集。然后，我们应用BEAMS的792 SDSS-II光度超新星与主机光谱红移。在这种情况下，相对于只使用光谱证实的数据（297颗超新星），BEAMS将（Ω_m，Ω_Λ）轮廓的面积减少了三倍。在平面情况下，将BEAMS应用于光度学SDSS-II数据得到的物质密度约束为Ω_m（BEAMS）=0.194 \pm 0.07。这说明了BEAMS在未来大型光度超新星调查（如LSST）中的潜在力量。
2011-11-22 astro-ph.CO
Photometric Redshift PDFs via Neural Network Classification for DESI Legacy Imaging Surveys and Pan-STARRS
Institute for Frontiers in Astronomy and Astrophysics, Beijing Normal University（北京师范大学前沿天文与天体物理研究所）；School of Physics and Astronomy, Beijing Normal University（北京师范大学物理与天文学院）；National Astronomical Observatories, Chinese Academy of Sciences（中国科学院国家天文台）
本文提出一种神经网络分类方法，用于生成校准良好的红移概率密度函数，通过离散化红移空间并优化CRPS，提升了红移估计的精度和不确定性量化。
2026-05-06 astro-ph.CO astro-ph.GA
Evaluation of probabilistic photometric redshift estimation approaches for The Rubin Observatory Legacy Survey of Space and Time (LSST)
许多测光星系巡天的科学研究需要红移估计，其不确定性最好用测光红移（photo-z）后验概率密度函数（PDF）来封装。大量的photo-z PDF估计方法比比皆是，产生不一致的结果，没有一个首选的方法达成共识。我们提出了一个综合实验的结果比较12 photo-z算法应用于模拟数据产生的鲁宾天文台遗产调查的空间和时间（LSST）暗能量科学合作（DESC）。通过提供完美的先验信息，以完整的模板库和代表性的训练集作为每个代码的输入，我们展示了每种技术的假设对输出photo-z PDF的影响。在没有一个真正的，无偏的photo-z PDF的概念，我们评估和解释多个指标的合奏属性的派生photo-z PDF以及传统的减少photo-z点估计。我们报告了许多流行代码的photo-z PDF的系统性偏差和整体过/欠宽度，这可能表明算法或实现的改进途径。此外，我们提出了注意的局限性，已建立的指标，用于评估photo-z PDF的准确性，虽然我们确定的条件密度估计（CDE）的损失作为一个有前途的度量photo-z PDF性能的情况下，真正的红移，但真正的photo-z PDF没有，我们强调需要科学的具体performancemetrics。
2021-07-31 astro-ph.CO astro-ph.IM
Effect of redshift bin mismatch on cross correlation between DESI Legacy Imaging Survey and Planck CMB lensing potential
本研究通过散射矩阵方法校正光度红移bin不匹配，改进互相关分析，发现修正后σ8参数在部分红移bin与ΛCDM一致，但其他bin存在张力。
2024-11-07 astro-ph.CO
All-purpose, all-sky photometric redshifts for the Legacy Imaging Surveys Data Release 8
在本文中，我们提出了光度红移（照片- $z$）估计的暗能量光谱仪（DESI）的遗产成像调查，目前最敏感的光学调查，涵盖了大部分的河外天空。我们的照片- $z$方法基于机器学习方法，使用高斯混合模型（GARCH）增强的稀疏高斯过程，允许以纯粹的数据驱动方式单独识别和训练参数空间的区域。同样的Gestival也用于计算成本敏感的学习权重，以减轻光谱训练样本中的偏差。通过设计，这种方法的目的是产生可靠的和无偏的预测的所有部分的参数空间中存在的广域调查。与以前的文献估计使用相同的基础测光，我们的照片$z$的显着更少的偏见和更准确的$z > 1$，在精度或可靠性可以忽略不计的损失，解决星系在$z < 1$。我们的照片- $z$估计为母样本中罕见的高价值种群提供了准确的预测，包括在最高红移（$z > 6$）的光学选择类星体，以及在宽范围的通量（密度）和红移的X射线或射电连续谱选择种群。导出完整的遗产成像巡天数据版本8的照片- $z$估计，在这项工作中提供的目录提供照片- $z$估计预测是高质量的$\gtrsim9\times10^{8}$星系超过$\sim 19\,400\,\text{deg}^{2}$和跨越$0 < z \lesssim 7$，提供有史以来最广泛的样本的红移估计。
2022-03-03 astro-ph.CO astro-ph.GA astro-ph.IM
The clustering of galaxies in the DESI imaging legacy surveys DR8: I. the luminosity and color dependent intrinsic clustering
在最近的一项研究中，我们开发了一种方法来模拟光度红移的不确定性对两点关联函数（2PCF）的影响。在该方法中，我们可以同时获得两个积分深度沿视线的投影2PCF的本征集群强度和光度红移误差。在这里，我们将这种方法应用于DESI Legacy Imaging Surveys Data Release 8（LS DR8），这是目前最大的星系样本。我们用$M_{\rm z} \le -20$把星系分成20个样本，分别放在从$z=0.1$到$z=1.0$的8个红移仓和几个$\rm z$波段的绝对星等仓中.这些星系根据它们的$M^{0.5}_{\rm r}-M^{0.5}_{\rm z}$颜色进一步分为红色和蓝色子样本。我们测量了所有这些星系（子）样本的投影2PCF，并使用我们的光度红移2PCF模型拟合它们。我们发现，光度红移误差是较小的红色子样本比总体人口。另一方面，在蓝色子样本中可能存在一些系统的光度红移误差，因此一些子样本在大尺度上显示出显著增强的2PCF。因此，仅关注红色和所有（子）样本，我们发现这些（子）样本中星系的偏差显示出清晰的颜色，红移和光度依赖性，在较高红移的红色明亮星系比它们的蓝色和低红移同行更有偏见。除了最适合的一组参数，$σ_{z}$和$b$，从这个国家的最先进的光度红移调查，我们获得高精度的固有集群测量这40个红色和所有星系（子）样本。这些大尺度和小尺度的测量包含了关于…
2021-06-27 astro-ph.CO astro-ph.GA
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
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
Deep Extragalactic VIsible Legacy Survey (DEVILS): Consistent multi-wavelength photometry for the DEVILS regions (COSMOS, XMMLSS & ECDFS)
深河外可见遗产巡天（DEVILS）是一项正在进行的高完整性、深光谱巡天，在三个深河外区域（D10（COSMOS）、D 02（XMM-LSS）和D 03（ECDFS））对$\sim$ 60，000个星系进行巡天，Y $\sim$ 21.2等，超过$\sim$ 6 ° 2。许多DEVILS项目都需要一致的、统一导出的和最先进的光度数据来测量星系属性。这些地区现有的光度计目录要么对不同的设施/波长使用不同的光度测量技术，导致不一致、较旧的成像数据和/或依赖于具有已知问题的源检测和光度计技术。在这里，我们使用ProFound图像分析软件包和最先进的成像数据集（包括Subaru-HSC，VST-VOICE，VISTA-VIDEO和UltraVISTA-DR 4）来推导从FUV到500μm的22个波段的匹配源光度学。这种光度学被发现是一致的，或更好，在颜色分析，以前的方法使用固定大小的光圈（这是专门调整，以获得颜色），但产生优越的总源测光，恒星质量的推导，恒星形成率，恒星形成的历史等，我们的测光目录详细描述，经过内部魔鬼队项目，将公开发布供更广泛的科学界使用。
2021-06-11 astro-ph.CO astro-ph.GA
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
The Carnegie Supernova Project: First Photometry Data Release of Low-Redshift Type Ia Supernovae
卡耐基超新星计划（Carnegie Supernova Project，CSP）是一项为期五年的调查，在拉斯坎帕纳斯天文台进行，以获得约100个低红移Ia型超新星的高质量光变曲线。在这里，我们提出了第一次发布的光度数据，其中包含35个Ia型超新星的光学光变曲线，和近红外线曲线的一个子集的25个事件。这些数据包括斯沃普望远镜自然系统中的5559个光学（ugriBV）和1043个近红外（YJHKs）数据点。28颗超新星有极大值前的数据，其中15颗的观测至少在B极大值前5天开始。这是迄今为止发表的低红移Ia型超新星最准确的数据集之一。完成后，CSP数据集将构成精确确定宇宙学参数的基本参考，并作为与Ia型超新星模型进行比较的丰富资源。
2009-10-17 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
The ESO/VLT 3rd year Type Ia supernova data set from the Supernova Legacy Survey
我们提出了139光谱的124 Ia型超新星（SNeIa），在欧洲南方天文台/VLT在前三年的加拿大-法国-夏威夷望远镜（CFHT）超新星遗产调查（SNLS）。这组均匀的数据被用来检验SNeIa光谱的红移演化，并将用于SNLS第三年的宇宙学分析。光谱已减少和提取的专用管道，使用深CFHT遗产调查（CFHT-LS）参考图像的光度信息，以跟踪，在亚像素精度，光谱图上的超新星位置作为波长的函数。在60%的情况下，它还将超新星和它的宿主光分开。超新星候选者的识别是使用分光光度SNIa模型进行的。在调查的前三年中，使用ESO/VLT共确定了124个SNeIa，约占整个SNLS光谱样本的50%。它们的红移范围从z=0.149到z=1.031。样品的平均红移为z=0.63+/-0.02。这是迄今为止在这个红移范围内最大的SNIa光谱集。光谱连同其最佳拟合光谱SNIa模型和主机模型在相关的。在后一种情况下，还呈现了主体减去的光谱。我们产生的平均光谱的前最大值，最大值和后最大的时代为两个z <0.5 and z>=0.5 SNeIa。我们发现z <0.5 spectra have deeper intermediate mass element absorptions than z>= 0.5的光谱。与红移的差异是一致的选择更明亮和更蓝的超新星在更高的红移。
2009-09-17 astro-ph.CO
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
Binning is Sinning: Redemption for Hubble Diagram using Photometrically Classified Type Ia Supernovae
本研究将未分箱哈勃图方法扩展至光度分类的Ia型超新星样本，验证其可降低系统不确定度且无w偏差，并提出红移-颜色-拉伸量重分箱方法以减少计算量。
2023-07-11 astro-ph.CO
Photometric and polarimetric observations of fast declining Type II supernovae 2013hj and 2014G
我们提出了两个II型超新星（SNe）2013hj和2014G的宽带测光和偏振观测。SN 2014 G是光谱分类的IIL型事件，我们也通过光度测定证实了这一点，因为它的光变曲线显示了一般IIL SN的特征（V波段2.55 mag（100 d）$ ^{-1} $的平台斜率和$ \sim77 $ d的持续时间）。另一方面，SN 2013 hj也显示V波段中$ 1.5 $ mag（100 d）$ ^{-1} $的高平台下降率，与SNe IIL相似，但略低于SNe IIL模板光变曲线。我们对SNe 2013hj和2014G的高节奏测光观测使我们能够覆盖光学光变曲线的所有特征相位，直到放射性尾部。宽带偏振观测表明SN 2013hj的偏振随SN向平台端的演化而略有增强，但偏振角在整个演化过程中保持不变。这一特征与具有重组氢包层的演化SN慢慢揭示更多不对称的爆炸中心区域的想法一致。对SN 2013 hj的辐射热光变曲线进行建模，得到原始质量为$ \sim11 $ M $_{\odot}$，半径为$ \sim700 $ R $_{\odot}$，而SN 2014 G模型估计的原始质量为$ \sim9 $ M $_{\odot}$，半径为$ \sim630 $ R $_{\odot}$，两者的典型能量预算均为$ \sim2\times10^{51} $ erg。
2015-10-07 astro-ph.CO astro-ph.HE
Measuring Dark Energy Properties with Photometrically Classified Pan-STARRS Supernovae. II. Cosmological Parameters
我们用1169颗泛星超新星（SNe）和195颗低$z$（$z < 0.1$）超新星Ia测量宇宙学参数。虽然大多数泛星SNe缺乏光谱分类，在以前的论文（I）中，我们证明了光度分类的SNe可以通过使用贝叶斯方法来推断无偏的宇宙学参数，该方法将核心塌陷（CC）SN污染边缘化。我们的样本包含的SNe几乎是之前最大的SNIa汇编的两倍。结合SNe和普朗克的宇宙微波背景（CMB）约束，我们测得暗能量状态方程参数$w$为-0.989 $\pm$ 0.057（statPDMATHABMQ sys）.如果$w$随红移演化为$w(a) = w_0 + w_a(1-a)$，则我们发现$w_0 = -0.912 \pm 0.149$和$w_a =$ -0.513 $\pm$ 0.826。这些结果与联合光变曲线分析和万神殿样品的宇宙学参数一致。我们尝试了四种不同的光度分类先验的泛星SNe和两种替代方法的建模CC SN污染，发现没有变体给出一个$w$从基线测量差异超过2%。由于边缘化CC SN污染，$σ_w^{\textrm{CC}} = 0.012$，$w$的系统不确定性是本工作中第三小的系统不确定性来源。我们发现有限的（1.6 $σ$）证据演化的SN色-光度关系与红移，一个可能的系统，可能构成一个显着的不确定性，在未来的高- $z$分析。我们的数据提供了目前对$w$的最佳约束之一，表明当污染分布在贝叶斯框…
2018-03-14 astro-ph.CO
The Quasar Candidates Catalogs of DESI Legacy Imaging Survey Data Release 9
类星体可以用来测量高红移的重子声学振荡，它被认为是宇宙中最遥远的大尺度结构的直接示踪物。在进行上述研究之前，从观测中选择类星体是至关重要的。这项工作的重点是创建一个基于光度数据的类星体候选者目录，为未来使用光谱数据进行进一步的对象分类提供主要先验，例如暗能量光谱仪器（DESI）调查。我们采用机器学习算法（随机森林，RF）的类星体识别。训练集包括$651,073$阳性和$1,227,172$阴性，其中光度信息来自DESI Legacy Imaging Surveys（EST-LIS）\& Wide-field Infrared Survey Explore（WISE），标签来自基于Sloan Digital Sky Survey（SDSS）和Set of Identifications\& Measurements and Bibliography for Astronomical Data（SIMBAD）的光谱确认类星体数据库。将训练的RF模型应用于EMP-LIS数据版本9中的点状源。为了量化分类器的性能，我们还将测试集注入到待应用的数据中。最终，我们从$\sim 5.7\%$（$425,540,269$源）中获得了$1,953,932$ A级候选类星体和$22,486, 884$ B级候选类星体。通过对测试集分类的完整性进行评价，该星表涵盖了待应用数据中类星体的$\sim 99\…
2022-07-16 astro-ph.CO
Photometric and Spectroscopic Properties of Type II-P Supernovae
我们研究了23个II型高原超新星（SNe II-P）的样本，所有观测到的仪器相同。对它们光度演化的分析证实，它们典型的平台期为100天，几乎没有散射，显示出更有活力的SNe变得更短的趋势。从爆发到平台的上升时间似乎与光度无关。我们分析了它们的光谱，测量典型的喷出物速度，并确认它们遵循良好的幂律下降。我们发现高速物质的迹象，在我们的六个SNe的光谱。我们通过以下问题测试不同的灰尘消光校正方法--在应用给定方法后，样品的均匀性是否增加？一个表现合理的基础分布在修正后应该会变得更紧。我们测试的方法都没有取得显著的改善。
2014-09-20 astro-ph.CO astro-ph.HE astro-ph.SR
Modeling the probability distribution for cosmological analysis with photometrically classified samples
Observatório do Valongo, Universidade Federal do Rio de Janeiro（瓦隆戈天文台，里约热内卢联邦大学）；Instituto de Física, Universidade Federal do Rio de Janeiro（物理研究所，里约热内卢联邦大学）
本文研究了如何高效准确地将光度分类的Ia型超新星纳入宇宙学分析，并评估其额外不确定性对约束宇宙学模型的影响，提出了一种简化似然模型，通过比较不同分类器和截断策略的结果，证明该模型在所有配置中均被贝叶斯因子支持，提升了光度超新星数据的约束能力。
2026-05-15 astro-ph.CO
Real-time Analysis and Selection Biases in the Supernova Legacy Survey
超新星遗产巡天（SNLS）已经产生了一个高质量，均匀的Ia型超新星（SNe Ia）样本，其红移大于z=1。在其全面运行的前四年（至2007年6月），SNLS发现了超过3000个瞬变候选者，其中373个已被光谱确认为SNe Ia。在精密宇宙学中使用这些Ia型超新星，关键取决于对SNLS巡天中由于对Ia型超新星的不完全抽样而引起的观测偏差的分析。本文介绍了我们的实时超新星探测和分析程序，并使用详细的蒙特卡罗模拟检查Malmquist偏差和光谱采样的影响。这样的采样效应在z~0.6时变得明显，当z>0.75时，光谱学确认的Ia超新星样本的平均幅度向更亮的值显著偏移。我们描述了我们的方法来纠正这些选择偏差在我们的三年SNLS宇宙学分析（SNLS 3），并提出了一个细分的系统不确定性。
2010-06-11 astro-ph.CO
Near-Infrared Properties of Type Ia Supernovae
回顾了近30年来Ia型超新星在近红外波段的光度学性质。在此期间，超过120个邻近的Ia超新星的光变曲线已经公布，揭示了相当大的同质性，但也有一些迷人的差异。这些数据已经证实，除了衰减最快的天体，超新星Ia在近红外波段基本上都是完美的标准烛光，峰值亮度对衰减速率和颜色的依赖性很小。
2012-02-17 astro-ph.CO
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
Spectral and Photometric Monitoring of Distant Core-Collapse Supernovae in the SAO RAS
本文介绍了研究红移z <0.3的远距离核心坍缩超新星（SNe）的观测计划的目的、目标和初步结果。这项工作是在俄罗斯科学院特殊天体物理观测台6米BTA望远镜和其他望远镜监测超新星的国际合作方案框架内进行的。我们研究的早期阶段的事件（SN类型的确定，红移估计，并寻找风包络的表现），和星云阶段（爆炸不对称的影响）。与宇宙伽马射线暴有关的SNe特别令人感兴趣。我们的观测数据的解释与其他望远镜上获得的数据一起被用来测试SN爆炸和周围的星周介质的现有理论模型。2009年，我们观测了30个天体;获得了其中12个天体的光谱。我们确定了5个SNe（SN 2009db，SN 2009dy，SN 2009dw，SN 2009ew，SN 2009ji）的类型、极大值后的相位和红移。根据获得的测光数据，又发现了另外两颗超新星（SN 2009bx和SN 2009cb）。对星云阶段的两颗II型超新星（SN 2008gz和SN 2008in）的研究已经完成，目前还有四颗天体（SN 2008iy、SN 2009ay、SN 2009bw、SN 2009de）受到监测。
2010-08-04 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
The distribution of faint satellites around central galaxies in the CFHT Legacy Survey
利用CFHT遗留巡天计划研究了低红移宇宙中心星系周围暗卫星的径向数密度分布和丰度分布。我们考虑了从Yang等人的Sloan数字巡天（SDSS）星表中选取的三个中心星系，它们的星等分别为M_r=-21，-22和-23。这些中央星系周围的卫星分布是通过将这些星系与CFHT Legacy Survey的测光表互相关得到的。卫星的投影径向数密度服从幂律形式，最佳拟合对数斜率为-1.05，与中心星系光度和卫星光度都无关。中心星系与卫星星系的投影交叉关联函数随卫星光度的变化呈现非单调的趋势。当卫星星系比中心星系暗2等以上时，星系团振幅随卫星星系光度的减小趋势发生逆转。与银河系和M31的卫星光度函数的比较表明，银河系/M31系统的卫星数量大约是类似光度的典型中央星系的两倍。理论模型的影响进行了简要讨论。
2012-09-26 astro-ph.CO
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
Angular clustering properties of the DESI QSO target selection using DR9 Legacy Imaging Surveys
即将进行的暗能量光谱仪器（DESI）调查的类星体目标选择将在未来五年内确定。这项工作的目的是通过研究成像系统学以及恒星和银河系污染物的影响来验证类星体的选择，并制定一个程序来减轻它们。类星体目标的密度波动被发现与测光性能，如看到和深度的数据发布9的DESI遗产成像调查。为了对这种复杂的关系进行建模，我们探索机器学习算法（随机森林和多层感知器）作为标准线性回归的替代方案。根据光度特性将传统成像测量的足迹分为三个区域，我们在每个区域执行独立分析，使用eBOSS EZ模拟验证我们的方法。缓解程序进行测试，通过比较的角度相关的校正后的目标选择在每个光度区域的角度关联函数获得使用类星体从斯隆数字巡天（SDSS）数据发布16。与我们的程序，我们恢复了类似的水平之间的相关性DESI类星体的目标和SDSS类星体在三分之二的总足迹，我们表明，在剩余的区域的过量的相关性是由于恒星污染，应删除与DESI光谱数据。我们推导出Limber参数在我们的三个成像区域，并将它们与以前的测量SDSS和2dF类星体红移调查。
2022-01-05 astro-ph.CO astro-ph.IM physics.data-an
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
Caltech Core-Collapse Project (CCCP) Observations of Type II Supernovae: Evidence for Three Distinct Photometric Subtypes
我们目前的R波段光变曲线的II型超新星（SNe）从加州理工学院核心塌陷项目（CCCP）。除了相互作用（IIn型）SNe和具有长上升时间的罕见事件之外，我们发现大多数光曲线形状属于三种不同类型之一：平台期、缓慢下降和快速下降事件。最后一类仅由IIb型SNe组成，其呈现与SNe Ib相似的光变曲线形状，这可能表明类似的祖通道。我们没有发现任何中间的光变曲线，这意味着这些子类不太可能反映连续参数的变化，而是可能导致物理上不同的祖先系统，加强建议的二元起源至少有一些剥离SNe。我们发现SNe IIP有一个很大的平台光度范围，而平台长度在大约100天时似乎相当均匀。随着对更多CCCP数据的分析和更大样本的收集，堆芯坍塌SNe的人口统计学研究可能会继续为祖先情景提供新的限制。
2012-06-15 astro-ph.CO astro-ph.SR
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
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
Multimodality for improved CNN photometric redshifts
针对测光红移估计需求，提出先并行处理多图像波段子集再合并输入CNN的多模态方法，在三项巡天数据上超越现有精度，且增益随滤光片数量增加而提升。
2023-10-03 astro-ph.CO
Synergies between Vera C. Rubin Observatory, Nancy Grace Roman Space Telescope, and Euclid Mission: Constraining Dark Energy with Type Ia Supernovae
我们回顾了超新星社区的需求，以改善调查协调和数据共享，这将显着提高暗能量的限制，使用样本的Ia型超新星从维拉C。鲁宾天文台、\textit{Nancy Grace Roman Space Telescope}和\textit{Euclid}任务。我们讨论的统计和系统的精度，从这些实验的观察相结合，将使改进。例如，协调将导致改进的光度校准，红移测量，以及超新星距离。我们还讨论了现在应该建立什么样的团队和计划来开始为这些组合数据集做准备。具体而言，我们要求在实地选择和调查操作、光度校准、光谱跟踪、像素级处理和计算方面进行协调努力。这些努力将不仅有利于Ia型超新星的实验，而且有利于所有时域研究，以及具有多信使天体物理学的宇宙学。
2021-04-02 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
The Supernova Legacy Survey: Measurement of Omega_M, Omega_Lambda and w from the First Year Data Set
我们目前的距离测量71高红移Ia型超新星发现在第一年的5年超新星遗产调查（SNLS）。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。有了这个数据集，我们已经建立了一个扩展到z=1的哈勃图，所有的距离测量都涉及至少两个波段。利用CFHT获得的多波段光度法评估系统不确定度。宇宙学拟合这一第一年的SNLS哈勃图给出以下结果：对于平坦的LambdaCDM模型，Omega_M = 0.263 +/-0.042（stat）+/- 0.032（sys）;和w = -1.023 +/- 0.090（stat）+/- 0.054（sys）当结合最近斯隆数字巡天测量的重子声学振荡的约束时，对于具有常数状态方程w的平坦宇宙学。
2005-10-14 astro-ph astro-ph.CO
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
