[논문 리뷰] Testing the Consistency of Dust Laws in SN Ia Host Galaxies: A BayeSN Examination of Foundation DR1

Stephen Thorp, Kaisey S. Mandel외 3명|arXiv (Cornell University)|2021. 02. 10.

Gamma-ray bursts and supernovae참고 문헌 13인용 수 5

한 줄 요약

이 연구는 Foundation DR1에서 확보한 157개의 근접한 초신성 Ia에 대해 계층적 베이지안 모델인 BayeSN를 적용하여, 전체 griz 광도곡선을 사용해 저질량 및 고질량 은하계 주변의 먼지 법칙 일관성을 검증한다. 분석 결과, 저질량 및 고질량 은하계 주변의 R_V 값(2.84 ± 0.31 대비 2.58 ± 0.23) 간 유의미한 차이가 없으며, 둘 다 전체 R_V = 2.61 ± 0.21과 일치한다. 따라서 은하계 질량에 따른 먼지 성질의 차이가 초신성 Ia 거리 측정에서 관찰되는 전통적인 질량 단계를 설명할 수 없다고 결론을 내린다.

ABSTRACT

ABSTRACT We apply BayeSN, our new hierarchical Bayesian model for the SEDs of Type Ia supernovae (SNe Ia), to analyse the griz light curves of 157 nearby SNe Ia (0.015 < z < 0.08) from the public Foundation Supernova Survey data set. We train a new version of BayeSN, continuous from 0.35 to 0.95 μm, which we use to model the properties of SNe Ia in the rest-frame z-band, study the properties of dust in their host galaxies, and construct a Hubble diagram of SN Ia distances determined from full griz light curves. Our griz Hubble diagram has a low total RMS of 0.13 mag using BayeSN, compared to 0.16 mag using SALT2. Additionally, we test the consistency of the dust law RV between low- and high-mass host galaxies by using our model to fit the full time- and wavelength-dependent SEDs of SNe Ia up to moderate reddening (peak apparent B − V ≲ 0.3). Splitting the population at the median host mass, we find RV = 2.84 ± 0.31 in low-mass hosts, and RV = 2.58 ± 0.23 in high-mass hosts, both consistent with the global value of RV = 2.61 ± 0.21 that we estimate for the full sample. For all choices of mass split we consider, RV is consistent across the step within ≲ 1.2σ. Modelling population distributions of dust laws in low- and high-mass hosts, we find that both subsamples are highly consistent with the full sample’s population mean μ(RV) = 2.70 ± 0.25 with a 95 per cent upper bound on the population σ(RV) < 0.61. The RV population means are consistent within ≲ 1.2σ. We find that simultaneous fitting of host-mass-dependent dust properties within our hierarchical model does not account for the conventional mass step.

연구 동기 및 목표

• 초신성 Ia의 저질량 및 고질량 은하계 주변에서 먼지 법칙(즉, R_V로 측정됨)이 다름을 테스트하는 것.
• 은하계 질량에 따라 달라지는 먼지 성질이 관측된 초신성 Ia 허블 잔차에서의 '질량 단계'를 설명할 수 있는지 평가하는 것.
• 계층적 베이지안 프레임워크를 사용해 전체 시간 및 파장 의존성 SED를 모델링하여 초신성 Ia 거리 측정을 향상시키는 것.
• 통계적으로 탄탄한 인구 수준의 모델 내에서 은하계 질량 구간 간 R_V 값의 일관성을 평가하는 것.

제안 방법

• Foundation DR1의 157개 저 redshift 초신성 Ia(0.015 < z < 0.08)에 대해 BayeSN를 적용한다. 이는 초신성 Ia SED에 대한 계층적 베이지안 모델이다.
• 0.35–0.95 μm 범위에서 연속적인 SED 모델을 학습시켜 보정된 z-대역 모델링과 먼지 법칙 추정을 정밀하게 수행한다.
• 인구 수준의 계층적 모델을 사용해 동시에 초신성 Ia 광도곡선과 은하계 먼지 성질(이를 포함해 R_V)을 피팅한다.
• 은하계 별 질량 중앙값을 기준으로 표본을 분할하여 저질량 대비 고질량 은하계 주변의 먼지 법칙을 비교한다.
• 사후 분포를 활용해 은하계 질량 그룹 간 R_V 값의 일관성을 테스트하고, R_V의 인구 수준 변동성을 평가한다.
• 전체 g r i z 광도곡선을 사용해 허블 도표를 구성하여 SALT2와의 거리 정밀도를 비교한다.

실험 결과

연구 질문

• RQ1 저질량 대비 고질량 초신성 Ia 은하계 주변에서 먼지 법칙 파라미터 R_V가 체계적으로 다를까?
• RQ2 은하계 질량에 따라 달라지는 먼지 성질이 관측된 초신성 Ia 허블 잔차에서의 '질량 단계'를 설명할 수 있을까?
• RQ3 저질량 및 고질량 은하계 인구 간 R_V 값은 얼마나 일관된가? 그리고 R_V의 인구 수준 변동성은 무엇인가?
• RQ4 계층적 베이지안 모델인 BayeSN가 기존의 SALT2와 같은 전통적 방법에 비해 거리 정밀도를 향상시키는가?
• RQ5 유도된 R_V 값들이 전체 표본에서 단일 전역 먼지 법칙과 일치하는가?

주요 결과

• 저질량 은하계 주변의 R_V 값은 2.84 ± 0.31이며, 고질량 은하계 주변은 2.58 ± 0.23이며, 둘 다 전체 R_V = 2.61 ± 0.21과 일치한다.
• 저질량 및 고질량 은하계 주변 간 R_V의 차이는 1.2σ 이내에 위치하여 통계적으로 유의미한 격리가 없음을 시사한다.
• 두 은하계 질량 하위표본 모두 전체 표본의 인구 평균 R_V인 2.70 ± 0.25와 일치하며, R_V의 인구 산란에 대한 95% 상한선 σ(R_V) < 0.61 이하이다.
• BayeSN를 사용한 허블 도표는 총 RMS 0.13 mag를 기록하여 SALT2의 0.16 mag를 능가한다.
• 동시에 은하계 질량에 따라 달라지는 먼지 성질을 피팅하는 것이 전통적인 질량 단계를 설명하는 데 기여하지 않는다는 증거는 발견되지 않았다.
• 결과적으로, 은하계 질량 그룹 간 먼지 법칙의 차이가 초신성 Ia 질량 단계의 근본 원인일 가능성은 낮다.