Skip to main content
QUICK REVIEW

[論文レビュー] SHARP VIII: J0924+0219 lens mass distribution and time-delay prediction through adaptive-optics imaging

Geoff C.-F. Chen, C. D. Fassnacht|arXiv (Cornell University)|Jul 21, 2021
Galaxies: Formation, Evolution, Phenomena参考文献 85被引用数 11
ひとこと要約

本研究では、高分解能のKeck補正光学およびハッブル宇宙望遠鏡の画像を用いて、強力にレンズ効果を受けるクェザ J0924+0219 の質量分布をモデル化し、Ωm = 0.3 の平坦な ΛCDM 宇宙論における複数像間の時間遅れを予測する。パワー則モデルおよび合成質量モデル(内部および外部の質量シート変換を含む)を統合的にマージナライズすることで、ΔtBA = 6.89+0.8/−0.7 日、ΔtCA = 10.7+1.6/−1.2 日、ΔtDA = 7.70+1.0/−0.9 日の時間遅れを予測し、将来の時間遅れ測定(10%の不確実性)および速度分散測定(5%の不確実性)により、H₀ の精度が約15%に達する見込みである。

ABSTRACT

Strongly lensed quasars can provide measurements of the Hubble constant ($H_{0}$) independent of any other methods. One of the key ingredients is exquisite high-resolution imaging data, such as Hubble Space Telescope (HST) imaging and adaptive-optics (AO) imaging from ground-based telescopes, which provide strong constraints on the mass distribution of the lensing galaxy. In this work, we expand on the previous analysis of three time-delay lenses with AO imaging (RXJ1131-1231, HE0435-1223, and PG1115+080), and perform a joint analysis of J0924+0219 by using AO imaging from the Keck Telescope, obtained as part of the SHARP (Strong lensing at High Angular Resolution Program) AO effort, with HST imaging to constrain the mass distribution of the lensing galaxy. Under the assumption of a flat $\Lambda$CDM model with fixed $\Omega_{ m m}=0.3$, we show that by marginalizing over two different kinds of mass models (power-law and composite models) and their transformed mass profiles via a mass-sheet transformation, we obtain $\Delta t_{ m BA}h\hat{\sigma}_{v}^{-2}=6.89\substack{+0.8\\-0.7}$ days, $\Delta t_{ m CA}h\hat{\sigma}_{v}^{-2}=10.7\substack{+1.6\\-1.2}$ days, and $\Delta t_{ m DA}h\hat{\sigma}_{v}^{-2}=7.70\substack{+1.0\\-0.9}$ days, where $h=H_{0}/100~ m km\,s^{-1}\,Mpc^{-1}$ is the dimensionless Hubble constant and $\hat{\sigma}_{v}=\sigma^{ m ob}_{v}/(280~ m km\,s^{-1})$ is the scaled dimensionless velocity dispersion. Future measurements of time delays with 10% uncertainty and velocity dispersion with 5% uncertainty would yield a $H_0$ constraint of $\sim15$% precision.

研究の動機と目的

  • Keck補正光学およびハッブル宇宙望遠鏡からの高分解能画像を用いて、J0924+0219 系におけるレンズ効果を示す銀河の質量分布を制約すること。
  • 固定された Ωm = 0.3 の平坦な ΛCDM 宇宙論のもとで、レンズ効果を受けるクェザの複数像間の時間遅れを予測すること。
  • 質量シート変換(内部および外部パラメータを含む)を用いて、2つの異なる質量モデル(パワー則および合成モデル:NFW + 恒常的 M/L)の両方をマージナライズすることで、H₀ の推定のロバストネスを評価すること。
  • 将来の時間遅れ測定(10%の不確実性)および速度分散測定(5%の不確実性)による H₀ 測定の精度を予測すること。
  • 強力な重力レンズを用いた Hubble 宇宙定数の 1% 測定を達成することを目的とする TDCOSMO コラボレーションの目標を支援すること。

提案手法

  • SHARP プログラムによる Keck 補正光学画像と、アーカイブの HST WFC3/F160W、ACS/WFC/F555W、F814W 画像を統合し、高空間分解能でレンズ効果を受けるシステムをモデル化する。
  • 2つの主要な質量モデルを採用する:全質量密度を ρ ∝ r⁻ᵞ としてモデル化するパワー則モデルと、NFW ダークマター核と一定の質量対光度比を持つ星形成成分を組み合わせた合成モデル。
  • 質量シート変換(MST)を適用し、レンズ質量プロファイルと宇宙論的距離測定との間のデゲネラシーを補正する。内部(λ_int)および外部(κ_ext)MST パrameter を含む。
  • 階層ベイジアンフレームワークを用いて、異なる源面再構築およびモデル不確実性をマージナライズし、SLACS ら外部サンプルからの星の非等方性および質量プロファイルの事前分布を組み込む。
  • 時間遅れをスケーリングされた速度分散(σ̂_v = σ_obs_v / 280 km s⁻¹)および H₀ との関係式 DΔt ∝ H₀⁻¹ で表現し、H₀ の推定を可能にする。
  • ブラインド解析を実施:時間遅れおよび速度分散はまだ測定されていないため、画像および予想されるデータ品質に基づいて予測がなされる。

実験結果

リサーチクエスチョン

  • RQ1高分解能画像および宇宙論的仮定のもとで、強力にレンズ効果を受けるクェザ J0924+0219 の複数像間の時間遅れは予測されるか?
  • RQ2パワー則モデルと合成モデルとの間で時間遅れ予測はどのように変化するか?両モデルをマージナライズした場合の影響は?
  • RQ3時間遅れ測定(10%の不確実性)および速度分散測定(5%の不確実性)の将来的な測定により、H₀ のどの程度の精度が達成可能か?
  • RQ4内部および外部の質量シート変換は、この系における H₀ 推定のロバストネスにどのように影響するか?
  • RQ5画像に基づく予測は、時間遅れレンズを用いた H₀ の 1% 測定を達成することを目的とする TDCOSMO プログラムの目標とどの程度整合しているか?

主な発見

  • B-A 画像対のマージナライズされた時間遅れ予測は ΔtBAℎσ̂⁻²_v = 6.89+0.8/−0.7 日であり、合成モデルはパワー則モデルよりもわずかに高い値を予測する。
  • C-A 対については、時間遅れが ΔtCAℎσ̂⁻²_v = 10.7+1.6/−1.2 日と予測され、質量モデルの仮定に強く依存する。
  • D-A 対では、時間遅れが ΔtDAℎσ̂⁻²_v = 7.70+1.0/−0.9 日と予測され、不確実性は主にモデルのデゲネラシーに起因する。
  • パワー則モデルと合成モデルの両方を組み合わせた場合、最終的な時間遅れ予測は強く制約され、不確実性はモデルおよび源面再構築の変動を反映する。
  • 将来の時間遅れ測定(10%の不確実性)および速度分散測定(5%の不確実性)により、標準的な質量モデルおよび宇宙論的仮定のもとで、H₀ の制約が約15%の精度に達する見込みである。
  • 本分析は真正のブラインドフォーマットで実施されており、時間遅れや速度分散の知識がなく、データ収集後もバイアスのない推定が保証される。

より良い研究を、今すぐ始めましょう

論文設計から論文執筆まで、研究時間を劇的に削減しましょう。

クレジットカード登録不要

このレビューはAIが作成し、人間の編集者が確認しました。