91
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

Recherche et Étude de Supernovæ Mesure du Taux d’Explosion · Pour ˆcentre ˘1012 kg m 3, la combustion du carbone s’allume (M NB .Masse de Chandrasekhar — 1.4 M , ˆ ch

Embed Size (px)

Citation preview

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

SNe Ia : les pluslumineuses aumaximum delumièreexceptée unepoignée deSNe Ic : deshypernovæ...

Les courbes de lumière

SNe Ia : les pluslumineuses aumaximum delumièreexceptée unepoignée deSNe Ic : deshypernovæ...

Les spectres...lo

g(flu

x)

longueur d’onde (Å)

De nombreuses raieslarges (vitessesd’expansion∼ 10 000 km · s−1)

Raies en profils P-Cygni,typiques des atmosphèresen expansion

Les spectres...lo

g(flu

x)

longueur d’onde (Å)

De nombreuses raieslarges (vitessesd’expansion∼ 10 000 km · s−1)

Raies en profils P-Cygni,typiques des atmosphèresen expansion

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 : étoilede masse > 8 M

Hydrogène

Hélium

Fer

IIHélium

Fer

Ib

Fer

Ic

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 : étoilede masse > 8 M

Hydrogène

Hélium

Fer

IIHélium

Fer

Ib

Fer

Ic

Explosion thermonucléaire : SNe Ia

Système binaire (Naine Blanche C/O + Étoile dela 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 !

C/Ogroupe de Sigroupe de Fe

Déflagration

Détonation

Libre expansion

Allumage

Déflagration/Détonation

Transition

Déflagration = combustion parconduction électronique(subsonique)Détonation = onde de chocsupersoniqueLa naine blanche estentièrement détruite

12C + 12C → Ne, Mg, Na, α, p, n...

→ groupe de Si...

→ groupe de Fe (Ni)

∼ 0.6 M de Ni produit !

SN Ia : des chandelles standards ?

Chandelle standard = objet dont la luminosité est constante d’unévénement à l’autre

MB−

5lo

gh

65

jours

mesuré

jours

standardisé

σ ∼ 0.4 mag σ ∼ 0.1 mag

Supernovæ de type Ia : les meilleureschandelles standards !

SN Ia : des chandelles standards ?

Chandelle standard = objet dont la luminosité est constante d’unévénement à l’autre

MB−

5lo

gh

65

jours

mesuré

jours

standardisé

σ ∼ 0.4 mag

σ ∼ 0.1 mag

Supernovæ de type Ia : les meilleureschandelles standards !

SN Ia : des chandelles standards ?

Chandelle standard = objet dont la luminosité est constante d’unévénement à l’autre

MB−

5lo

gh

65

jours

mesuré

jours

standardisé

σ ∼ 0.4 mag σ ∼ 0.1 mag

Supernovæ de type Ia : les meilleureschandelles standards !

« Standardisation »

Phillips (1993) — ∆m15

(Luminosité au max) ∝ (- Taux de décroissance) + 15 jours

∆m15

∆m15 < 1.1 : courbe de lumière large — déclin lent — plus lumineuse∆m15 > 1.1 : courbe de lumière étroite — déclin rapide — moins lumineuse

∆m15 dépend del’opacité, qui dépend dela température quidépend de MNi

15

1991T

1990N

1994D

1992A

1991bg

fain

tbr

ight

2 m

agbr

ight

0.7 M

1.4 M

1.4 M

1.4 M

2.0 M

o

o

m (B)

o

o

o

0.1 M

0.4 M

0.6 M

0.8 M

1.0 M

o

o

o

o

o

56Ni mass mass

total

0.94

1.07

1.31

1.95

1.47

SN Ia

Évolution chimique et SNe

10 20 30 40 50 60 70.01

.1

1

10

C

ONe

NaMg

AlSi

P S

Cl

Ar

KSc

Ca

Ti

V

Cr

Fe Ni

MnCo

w70

r = 0.07

Mass Number

(SN

Ia+

SN

II)

/ Sol

ar

SNe II∼ 2 M d’Oxygène / événement

SNe Ia∼ 0.6 M de Nickel / événement

Évolution chimique et SNe

10 20 30 40 50 60 70.01

.1

1

10

C

ONe

NaMg

AlSi

P S

Cl

Ar

KSc

Ca

Ti

V

Cr

Fe Ni

MnCo

w70

r = 0.07

Mass Number

(SN

Ia+

SN

II)

/ Sol

arSNe II

∼ 2 M d’Oxygène / événement

SNe Ia∼ 0.6 M de Nickel / événement

Évolution chimique et SNe

10 20 30 40 50 60 70.01

.1

1

10

C

ONe

NaMg

AlSi

P S

Cl

Ar

KSc

Ca

Ti

V

Cr

Fe Ni

MnCo

w70

r = 0.07

Mass Number

(SN

Ia+

SN

II)

/ Sol

arSNe II

∼ 2 M d’Oxygène / événementSNe Ia

∼ 0.6 M de Nickel / événement

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, tauxd’accrétion,...)

La connaissance del’évolution du taux

d’explosion

regard inédit surl’évolution des

galaxies

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, tauxd’accrétion,...)

La connaissance del’évolution du taux

d’explosion

regard inédit surl’évolution des

galaxies

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, tauxd’accrétion,...)

La connaissance del’évolution du taux

d’explosion

regard inédit surl’évolution des

galaxies

La recherche de

supernovæ avec EROS

EROS : une Expérience deRecherche 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-guidageentièrement automatique

permet de chercher des supernovæ !

zlim ∝ ∅1/2 ·T 1/4

nSN ∝ Ω · z2lim

(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)

S

quat

eur

céle

ste

Champs SNEROS

La stratégie de rechercheNouvelle Lunesuivante

Nouvelle Lune

Images de Images de

ImagesSoustraites

RechercheRéférences

Soustraction

La stratégie de rechercheNouvelle Lunesuivante

Nouvelle Lune

Images de Images de

ImagesSoustraites

RechercheRéférences

Soustraction

Alignement géométrique

Alignement photométrique

Ajustement des seeing

La stratégie de rechercheNouvelle Lunesuivante

Nouvelle Lune

Images de Images de

ImagesSoustraites

RechercheRéférences

Soustraction

Éliminer les artefacts

Coupures sur la forme du candidat

Association à une galaxie hôte

La stratégie de rechercheNouvelle Lunesuivante

Nouvelle Lune

Images de Images de

ImagesSoustraites

RechercheRéférences

Soustraction

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

35 SNe19 de type Ia

suivies

Spring 99 SNIa

z

SNe

10-3

10-2

10-1

10

1

2

3

4

5

6

7

1 hypernova (Ic)

(SN1999as)

SN1999bw (Ia) plus

brillante que son hôte...

(Strolger et al 2002)

Glo

bal

emen

t

EROS2 × 250 deg2

12 SNe Ia (7 suivies)

3 SNe II

1 SN Ic

Un exemple : SN 1999bp

z = 0.077

Découverte ∼ 8 joursavant 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 Canarieset à l’ESO en collaboration avec le European Supernova Cos-mology 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 luminositégalactique)

La mesure du taux

Hypothèse : le nombre de supernova par galaxie par unité detemps est proportionel à la luminosité galactique

Le taux est donné par :

RSN =NSNe trouvées

Ngalaxies ·< LBgal > · T(εSN)

Nombre de galaxiesauquel la rechercheest sensible

Luminositémoyennedes galaxies

Intervalle de tempspendant lequel lesSNe sont visibles

La mesure du taux

Hypothèse : le nombre de supernova par galaxie par unité detemps est proportionel à la luminosité galactique

Si on connaît les redshifts de TOUTES les galaxies :

RSN =NSNe trouvées∑

galaxies LBgal ·

∫ +∞−∞ dt ε(t, z)

Luminositéde la galaxie

Efficacité dedétection enfonction du tempst et du redshift z

La mesure du taux

Hypothèse : le nombre de supernova par galaxie par unité detemps est proportionel à la luminosité galactique

Cas général :

RSN =NSNe trouvées∑

galaxies

∫ +∞0 dz p(z|mgal) · LB

gal ·∫ +∞−∞ dt ε(t, z)

Densité de probabilitéde z sachant lamagnitude apparentede la galaxie mgal

Luminositéde la galaxie

Efficacité dedétection enfonction du tempst 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 objetsLes objets sont détectés sur les images avec le logicielSExtractor (Bertin et al, 1996)

1

10

102

103

magnitude R

10 12 14 16 18 20 22

-lo

g(B

rilla

nce

de

Su

rfac

e)

-6

-5

-4

-3

-2

-1

0

1

2

Galaxies

Cosmiques

Etoiles

Etoiles Saturees

La population des galaxiesParamètre CSTAR : classification morphologique basée sur un réseau

de neurones

magnitude R

14 15 16 17 18 19 20 21 22

)-2

deg

⋅ -1

mag

⋅)

(gal

axie

/(d

md

gal

dN

1

10

102

103

1999CSTAR < 0.55CSTAR < 0.6CSTAR < 0.5CSTAR < 0.4

2000CSTAR < 0.55

18.5 19 19.5 20 20.5

103

magnitudelimite decomplétudeRc = 20

magnitudelimite de« sécurité »Rc = 19

La population des galaxiesParamètre CSTAR : classification morphologique basée sur un réseau

de neurones

magnitude R

14 15 16 17 18 19 20 21 22

)-2

deg

⋅ -1

mag

⋅)

(gal

axie

/(d

md

gal

dN

1

10

102

103

1999CSTAR < 0.55CSTAR < 0.6CSTAR < 0.5CSTAR < 0.4

2000CSTAR < 0.55

18.5 19 19.5 20 20.5

103

magnitudelimite decomplétudeRc = 20

magnitudelimite de« sécurité »Rc = 19

La population des galaxiesParamètre CSTAR : classification morphologique basée sur un réseau

de neurones

magnitude R

14 15 16 17 18 19 20 21 22

)-2

deg

⋅ -1

mag

⋅)

(gal

axie

/(d

md

gal

dN

1

10

102

103

1999CSTAR < 0.55CSTAR < 0.6CSTAR < 0.5CSTAR < 0.4

2000CSTAR < 0.55

18.5 19 19.5 20 20.5

103

magnitudelimite decomplétudeRc = 20

magnitudelimite de« sécurité »Rc = 19

La coupure sur la magnitude des galaxies

0

100

200

300

400

500

600

700

800

900

magnitude R

13 14 15 16 17 18 19 20 21 22

CS

TA

R

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

1

Galaxies LCRS

étoi

les

gala

xies

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

Des supernovæsont simulées sur lesimages de recherche,dans les galaxies

SN simulée = étoilebrillante de lamême image,déplacée etréajustée en flux

Distribution desSNe sur la galaxieselon la brillancede surface

Avant Après

L’efficacité

Distance d’association (pixels)0 1 2 3 4 5

0

2000

4000

6000

8000

10000

12000

14000

16000Nent = 118130

Mean = 0.5808

RMS = 0.33

dassmc flux>0 && dassmc<10

Nent = 118130

Mean = 0.5808

RMS = 0.33

bleuADU

0 2000 4000 6000 8000 10000 12000 140000

100

200

300

400

500

SNe simulees

SNe retrouvees

bleuADU

0 2000 4000 6000 8000 10000 12000 14000

ε eE

ffic

acit

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9

magnitude V

18.51919.52020.521

SN retrouvée si

distance (retrouvée - simulée) < 1.5 pixels

SNe retrouvées / SNe simulées

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

p(z|mgal) ∝dVcdΩdz

· dN

dMdVc

Élément de volume

comobile

Function de

Luminosité

ApJ...464

Fonction de luminositédu LCRS

(Lin et al. 1996)

p(z|mgal) calculé vs LCRS(mag bin = 0.1)

0

5

10

15

0 0.05 0.1 0.15 0.2 0.25 0.3

Mean

RMS

0.8553E-01

0.3144E-01ΛCDM

SCDM

Rc = 16.5

p(m

|z)

0

5

10

0 0.05 0.1 0.15 0.2 0.25 0.3

MeanRMS

0.1034 0.3920E-01ΛCDM

SCDM

Rc = 17.0

p(m

|z)

0

2.5

5

7.5

10

0 0.05 0.1 0.15 0.2 0.25 0.3

MeanRMS

0.1264 0.4670E-01ΛCDM

SCDM

Rc = 17.5

z

p(m

|z)

Décalage spectral

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 »

Calculée par une méthode de Monte-Carlolo

g(fl

ux)

0 Phase

seuil de détection

Une courbe delumière est tiréedans un lot de 17publiées

L’intégrale de l’efficacité« Le Temps de Contrôle »

Calculée par une méthode de Monte-Carlolo

g(fl

ux)

0 Phase

z

seuil de détection

On tire un « z »selon p(z|mgal)

L’intégrale de l’efficacité« Le Temps de Contrôle »

Calculée par une méthode de Monte-Carlolo

g(fl

ux)

0 Phase

t(z)

z

seuil de détection

On tire un instant dedécouverte

L’intégrale de l’efficacité« Le Temps de Contrôle »

Calculée par une méthode de Monte-Carlolo

g(fl

ux)

0 Phase

t(z)

m(t,z)

z

seuil de détection

Cela donne unemagnitude

L’intégrale de l’efficacité« Le Temps de Contrôle »

Calculée par une méthode de Monte-Carlo

ε(t,z)

log(

flux

)

0 Phase

t(z)

m(t,z)

z

seuil de détection

On va lire l’efficacitécorrespondante

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 meilleuréchantillonnage dans les bandes V et R.

17 supernovæ répondent à ce critèreajustées avec un patron analytique (Contardo et al. 2000)

-20 0 20 40 60 80 100Jours par rapport au maximum

-12

-13

-14

-15

-16

-17

-18

-19

MV +

5 lo

g h

-20 0 20 40 60 80 100Jours par rapport au maximum

-12

-13

-14

-15

-16

-17

-18

-19

MV +

5 lo

g h

La fonction de luminosité des SNe Ia :La magnitude absolue au maximum

+ 5 log hmaxBM

-19 -18 -17 -16 -15 -14 -130

1

2

3

4

5

6

7

8 Nent = 51 Mean = -17.88RMS = 0.9431

Nent = 17 Mean = -17.52RMS = 1.389

Nent = 17 Mean = -17.52RMS = 1.389

Nent = 51 Mean = -17.88RMS = 0.9431

Nent = 51 Mean = -17.88RMS = 0.9431

+ 5 log hmaxVM

-19 -18.5 -18 -17.5 -17 -16.5 -16 -15.5 -15 -14.50

1

2

3

4

5

6

7 Nent = 51 Mean = -18.04RMS = 0.6458

Nent = 17 Mean = -17.78RMS = 0.9613

Nent = 17 Mean = -17.78RMS = 0.9613

Nent = 51 Mean = -18.04RMS = 0.6458

Nent = 51 Mean = -18.04RMS = 0.6458

Ce qui est important : la valeur moyenne

Notre distribution est biaisée vers les faibles luminosités

(écart de 0.26 mag)

La fonction de luminosité des SNe Ia :La relation de Phillips

B15 m∆

0.8 1 1.2 1.4 1.6 1.8 2

+ 5

log

hm

axB

M

-19

-18

-17

-16

-15

-14

-1351 SNe17 SNe

Ajustement deHamuy et al.1996

Des magnitudes aux ADU

Supernovæ : de la courbe de lumière aux ADU...

−2.5 · log

(ADU

Tpose

)= V + β · (V −R) +αV

Calibration

VSN(z, t) + AV +KSNV (z, t) RSN(z, t) + AR +KSN

R (z, t)

Courbe delumière

Extinctiongalactique Correction K

Des magnitudes aux ADU

Supernovæ : de la courbe de lumière aux ADU...

−2.5 · log

(ADU

Tpose

)= V + β · (V −R) +αV

Calibration

VSN(z, t) + AV +KSNV (z, t) RSN(z, t) + AR +KSN

R (z, t)

Courbe delumière

Extinctiongalactique Correction K

Des magnitudes aux ADU

Supernovæ : de la courbe de lumière aux ADU...

−2.5 · log

(ADU

Tpose

)= V + β · (V −R) +αV

Calibration

VSN(z, t) + AV +KSNV (z, t) RSN(z, t) + AR +KSN

R (z, t)

Courbe delumière

Extinctiongalactique Correction K

La calibration

passer des unités logiques des images en magnitudes standards

−2.5 · logADU

Tpose= V + β · (V −R) + α

Intercalibration des CCD

fond de ciel,

DENIS,

USNOTerme de couleur (β)

OGLE,

LandoltPoint Zéro (α)

Landolt,

étoiles secondairesSCP 1999

Une calibration globale

Évolution du point zéroavec le temps

22.5

22.6

22.7

22.8

22.9

23

23.1

8.5 8.6 8.7 8.8 8.9 9 9.1 9.2 9.3Temps (annees - 1990)

Po

int

Zer

o

22.5

22.6

22.7

22.8

22.9

23

23.1

10 10.05 10.1 10.15 10.2 10.25 10.3 10.35 10.4Temps (annees - 1990)

15fé

vrie

r19

9915

mar

s19

99

1erav

ril20

00

22.7 22.7

Supernovæ et étoiles

Peut-on calibrer des supernovæ avec des étoiles ?

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 :

Phase (jours)

-20 -10 0 10 20 30 40 50 60 70

eto

iles

-V)

er

os

-(B

sn

e-V

)

ero

s(B

-0.1

-0.08

-0.06

-0.04

-0.02

0

0.02

0.04

0.06

0.08

0.1

V-RV-R

écar

tàla

calib

ratio

nst

ella

ire(m

agni

tude

s)

moins de 10 % d’écart

L’extinction galactique

Déterminée champ par champ à l’aide des cartes de Schle-gel et al. 1998

VAbsorption A

0.05 0.1 0.15 0.2 0.25 0.3 0.350

2

4

6

8

10

Mean = 0.1385RMS = 0.04294Mean = 0.1385RMS = 0.04294

RAbsorption A

0.05 0.1 0.15 0.2 0.25 0.3 0.350

2

4

6

8

10

Mean = 0.1116RMS = 0.03463Mean = 0.1116RMS = 0.03463

∼ 0.12 mag d’absorption

La correction K

Le flux observé à travers une bande spectrale fixe varie enfonction du décalage spectral

0

0.2

0.4

0.6

0.8

1

300 400 500 600 700 800 900

Bande B Bande R

longueur d’onde (nm)

La correction K

Le flux observé à travers une bande spectrale fixe varie enfonction du décalage spectral

0

0.2

0.4

0.6

0.8

1

300 400 500 600 700 800 900

Bande B Bande R

longueur d’onde (nm)

z = 0 z = 0.2

Corrections K pour les supernovæ

Decalage spectral z

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5

Co

rrec

tio

n K

-1

-0.5

0

0.5

1

1.5

+ 5 j.

max

- 5 j.

+ 5 j.

max

- 5 j.

+ 5 j.

max- 5 j.

2.5 log(1+z)Bande B

Bande V

Bande R

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)

Decalage spectral z

0 0.05 0.1 0.15 0.2 0.25 0.3 0.350

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

2

Nent = 10 Mean = 0.1214RMS = 0.03972

Nent = 10 Mean = 0.1214RMS = 0.03972

Decalage spectral z

0 0.05 0.1 0.15 0.2 0.25 0.3 0.350

100

200

300

400

500

600Nent = 34816 Mean = 0.1145RMS = 0.04963

Nent = 34816 Mean = 0.1145RMS = 0.04963

Decalage spectral z

0 0.05 0.1 0.15 0.2 0.25 0.3 0.350

0.2

0.4

0.6

0.8

1

1999

Observations

Monte-Carlo

Test de Kolmogorov-Smirnov

Probabilite = 0.85

Obs

ervé

eS

imul

éeC

umulées

Distribution en z (2000)

Decalage spectral z

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.40

0.2

0.4

0.6

0.8

1

Nent = 4 Mean = 0.1225RMS = 0.08258

Nent = 4 Mean = 0.1225RMS = 0.08258

Decalage spectral z

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.40

200

400

600

800

1000 Nent = 63907 Mean = 0.1373RMS = 0.05795

Nent = 63907 Mean = 0.1373RMS = 0.05795

Decalage spectral z

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.40

0.2

0.4

0.6

0.8

1 2000

Observations

Monte-Carlo

Test de Kolmogorov-Smirnov

Probabilite = 0.42

Obs

ervé

eS

imul

éeC

umulées

Distribution en magnitude (1999)

magnitude V

15 16 17 18 19 20 21 22

1

Nent = 10 Mean = 19.75RMS = 0.8133

Nent = 10 Mean = 19.75RMS = 0.8133

magnitude V

15 16 17 18 19 20 21 22

1

10

102

103

Nent = 34816 Mean = 19.56RMS = 0.9983

Nent = 34816 Mean = 19.56RMS = 0.9983

magnitude V

15 16 17 18 19 20 21 220

0.2

0.4

0.6

0.8

1

1999

Observations

Monte-Carlo

Test de Kolmogorov-Smirnov

Probabilite = 0.99

Obs

ervé

eS

imul

éeC

umulées

Distribution en magnitude de l’hôte (1999)

magnitude R

15 16 17 18 19 200

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

2

Nent = 10 Mean = 17.37RMS = 1.218

Nent = 10 Mean = 17.37RMS = 1.218

magnitude R

15 16 17 18 19 200

100

200

300

400

500

600

700

800

Nent = 34816 Mean = 17.64RMS = 0.9189

Nent = 34816 Mean = 17.64RMS = 0.9189

magnitude R

15 16 17 18 19 200

0.2

0.4

0.6

0.8

1

1999

Observations

Monte-Carlo

Test de Kolmogorov-Smirnov

Probabilite = 0.90

Obs

ervé

eS

imul

éeC

umulées

Distribution en distance à l’hôte (1999)

Distance SN - Galaxie hote (pixels)

0 2 4 6 8 10 12 14 16 18 200

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

1.8

2

Nent = 10 Mean = 4.29RMS = 3.736

Nent = 10 Mean = 4.29RMS = 3.736

Distance SN - Galaxie hote (pixels)

0 2 4 6 8 10 12 14 16 18 200

200

400

600

800

1000

1200

1400

1600

1800

2000

2200

Nent = 23220 Mean = 4.069RMS = 4.445

Nent = 23220 Mean = 4.069RMS = 4.445

Distance SN - Galaxie hote (pixels)

0 2 4 6 8 10 12 14 16 18 200

0.2

0.4

0.6

0.8

1

1999

Observations

Monte-Carlo

Test de Kolmogorov-Smirnov

Probabilite = 0.25

Obs

ervé

eS

imul

éeC

umulées

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 desupernovæ de type Ia est :

RRIa = 0.220+0.085+0.053

−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 :

RBIa = 0.231+0.089+0.077

−0.054−0.077 h−2 SNu

Avec ρR = 1.9± 0.47 · 108 h LR ·Mpc−3 on a :

RIa = 4.18+1.62+1.19−0.97−1.19 · 10−5 h3 Mpc−3 · an−1

Systématiques

Calibration∂R/∂pz ' −1 : incertitude de 10 % sur PZ => incertitude de 10 % sur R

Coupure sur la magnitude des galaxies hôtesincertitude de 0.2 mag => incertitude de 6 % sur R

Fonction de luminosité des supernovæ

RIa = 0.22

(LVmax

2.07 · 109 h2 LV

)−0.85(∆mB15

1.1

)0.65

incertitude de 6 % sur ∆mB15 => incertitude de 4 % sur R

incertitude de 24 % sur LVmax => incertitude de 20 % sur R

Mauvaise identification d’une supernovaErreur d’identification => incertitude de 7 % sur R

CosmologiePas de différence sur R entre SCDM et ΛCDM

TOTAL : ±24 %

Autres mesures

calage spectral zeD

0 0.2 0.4 0.6 0.8 1 1.2 1.4

)-3

Mp

c-1

SN

R (

an 10-4

10-3

Notre mesure

Hardin et al. 2000 (EROS)

Cappellaro et al. 1999

Pain et al. 2002 (SCP)évolution

d’un facteur∼ 3 entrez = 0.13 etz = 0.55

Autres mesures

calage spectral zeD

0 0.2 0.4 0.6 0.8 1 1.2 1.4

)-3

Mp

c-1

SN

R (

an 10-4

10-3

rarchiqueeFusion hi = 0.3τ = 1.0τ = 3.0τ

Effondrement monolithique

= 0.3τ = 1.0τ = 3.0τ

évolutiond’un facteur∼ 3 entrez = 0.13 etz = 0.55

Conclusion et perspectives

• Taux de SN Ia mesuré à z = 0.13

• Compatible avec la précédente mesure d’EROS — réaliséeavec 4 événements (Hardin et al. 2000)

• Compatible avec la mesure dans l’Univers local — entachéed’erreurs systématiques importantes (Cappellaro et al. 1999)

• Comparaison avec valeur à z = 0.55 (Pain et al. 2002) im-plique une évolution importante

• Suites logiques de ce travail

• L’avenir du taux de supernova

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

• L’avenir du taux de supernova

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 SNIa entre z ∼ 0.3 et z ∼ 1.2 et du taux de SN II jusqu’àz ∼ 0.7

• Satellite SNAP (2010) : taux de SN Ia jusqu’à z ∼ 1.7

FIN !

Taxinomie

Classificationbasée sur lespectre, etéventuellementsur la courbede lumière oula forme desraies

H

Si

He raie fine

IIL IIP

lum

iere

Cou

rbes

de

Hypernovae

Pas d’absorption P−Cygni

I

Ia Ic Ib IIb IIn

II

OUI

NON

OUI

NON

NON OUI

Les courbes de lumière

SNe Ia en B, V, R et I

SN Ia : la courbe de lumière

0.11 mag/jour

0.01 mag/jour

alimentée par la décroissance 56Ni →︸︷︷︸6.1j.

56Co →︸︷︷︸77.1j.

56Fe

1010 L au max ∼ LGalaxie

SN Ia : le spectrelo

g(flu

x)

Longueur d’onde (Å)

SNe Ia et cosmologie

Deux observables :

flux =Luminosité

4π · (Distance)2

z =λobservé

λémis− 1

Distance =f(z, H0,ΩM0

,ΩΛ0)

Calan/Tololo (Hamuy et al, A.J. 1996)

Supernova Cosmology Project

effe

ctiv

e m

B

(0.5,0.5) (0, 0)( 1, 0 ) (1, 0)(1.5,–0.5) (2, 0)

(ΩΜ,ΩΛ) = ( 0, 1 )

Flat

Λ =

0

redshift z

14

16

18

20

22

24

26

0.02 0.05 0.1 0.2 0.5 1.00.02 0.05 0.1 0.2 0.5 1.0

Perlmutter, et al. (1998)

FA

INT

ER

(F

arth

er)

(Fu

rth

er b

ack

in t

ime)

MORE REDSHIFT (More total expansion of universe since the supernova explosion)

In flat universe: ΩM = 0.28 [± 0.085 statistical] [± 0.05 systematic]

Prob. of fit to Λ = 0 universe: 1%

décalage spectral z

−2.

5·lo

g(fl

ux)

Diagramme de Hubble

Des ADU aux magnitudes

Galaxies : des ADU à la magnitude absolue...

probabilité p(z|mgal)

luminosité L

MR = R− µ(z)−AR −KgalR (z)

Module de distance

µ(z) = 5·log

[DL(z)

1 Mpc

]+25

Extinctiongalactique Correction K

calibration

R = −2.5·log

(ADU

Tpose

)−αgal

R

Des ADU aux magnitudes

Galaxies : des ADU à la magnitude absolue...

probabilité p(z|mgal)

luminosité L

MR = R− µ(z)−AR −KgalR (z)

Module de distance

µ(z) = 5·log

[DL(z)

1 Mpc

]+25

Extinctiongalactique Correction K

calibration

R = −2.5·log

(ADU

Tpose

)−αgal

R

Des ADU aux magnitudes

Galaxies : des ADU à la magnitude absolue...

probabilité p(z|mgal)

luminosité L

MR = R− µ(z)−AR −KgalR (z)

Module de distance

µ(z) = 5·log

[DL(z)

1 Mpc

]+25

Extinctiongalactique Correction K

calibration

R = −2.5·log

(ADU

Tpose

)−αgal

R

Corrections K pour les galaxies

Decalage spectral z

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5

Co

rrec

tio

n K

(b

and

e R

)

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

E, E2

Sa

Sc

2.5 log(1+z)

bonneapproximation par2.5 log(1 + z)