[论文解读] NuSTAR low energy effective area correction due to thermal blanket tear

Kristin K. Madsen, Brian W. Grefenstette+5 more|arXiv (Cornell University)|May 1, 2020

CCD and CMOS Imaging Sensors被引用 29

一句话总结

本文識別出NuSTAR的多層絕緣體（MLI）熱毯撕裂是導致FPMA相對於FPMB在低能段有效面積過剩的原因，進而引發10 keV以下的通量系統性高估。作者透過XSPEC mtable引入時間與溫度依賴的MLI覆蓋率修正，並更新CALDB/numkarf軟體以修正儀器響應，顯著改善了模組間的譜一致性。

ABSTRACT

A rip in the MLI at the exit aperture of OMA, the NuSTAR optic aligned with detector focal plane module FPMA, has resulted in an increased photon flux through OMA that has manifested itself as a low energy excess. Overall, the MLI coverage has decreased by 10%, but there is an additional time-varying component, which occasionally causes the opening to increase by up to 20%. We address the problem with a calibration update, and in this paper, we describe the attributes of the problem, the implications it has on data analysis, and the solution.

研究动机与目标

• 識別NuSTAR FPMA偵測器相對於FPMB在低能段持續存在通量過剩的根本原因。
• 量化因熱毯物理撕裂導致OMA光學面罩處MLI覆蓋率的時間變動。
• 開發並實施一種校正方法，以考慮變動的MLI覆蓋率，恢復FPMA與FPMB之間的譜一致性。
• 釋出更新後的軟體（numkarf）與CALDB（v20200811），內建時間與溫度依賴的有效面積修正，適用於FPMA。
• 提供正確使用XSPEC mtable的指引，以避免模型退化與錯誤的譜擬合。

提出的方法

• 作者建立了一個XSPEC mtable，以時間與溫度為變數，模擬MLI覆蓋率（F），其中F=1.0表示完全覆蓋，F=0.64為關鍵觀測中FPMA的情況。
• 他們推導出FPMA與FPMB計數的比率，並校正曝光時間與儀器響應，以獨立於源譜之外的方式隔離MLI效應。
• 將MLI覆蓋率與OMA溫度資料（OPT0_5TEMP）相關聯，發現溫度與覆蓋率之間存在線性關係。
• 在NuSTARDAS v2.0.0的numkarf模組中實施溫度依賴修正，利用CALDB v20200811根據平均OMA溫度選擇ARF檔案。
• 對於軟體未能完全修正的觀測，作者提供專用mtable以手動應用，並採用嚴格的擬合協定以避免模型退化。
• 修正程序包括鎖定FPMA與FPMB之間的常數，僅對FPMA的MLI覆蓋率進行擬合，且其值需限制在0.9至1.0之間。

实验结果

研究问题

• RQ1 導致NuSTAR觀測中FPMA相對於FPMB出現低能段通量過剩的物理機制為何？
• RQ2 OMA光學面罩處的MLI覆蓋率如何隨時間與溫度變化？
• RQ3 MLI撕裂在10 keV以下對FPMA有效面積與譜響應的影響程度為何？
• RQ4 如何最佳修正MLI引起的響應變動，而不引入譜擬合偏差？
• RQ5 如何在軟體與資料倉儲中更新校正，以確保NuSTAR任務期間跨模組譜分析的一致性？

主要发现

• FPMA的低能過剩是由於熱毯撕裂導致MLI覆蓋率減少10%，且時間變動的曝光增加使有效孔徑最高提升20%。
• 在關鍵觀測（ObsID 80402315010）中，FPMA的MLI覆蓋率測量值為0.64 ± 0.01，顯示熱屏蔽嚴重損失。
• 發現OMA溫度（OPT0_5TEMP）與MLI覆蓋率之間存在強烈線性相關性，使溫度基礎修正成為可能。
• 更新後的CALDB（v20200811）與NuSTARDAS v2.0.0中的numkarf現已對FPMA實施時間與溫度依賴的有效面積修正。
• mtable修正有效，但須謹慎應用：若允許FPMA的MLI覆蓋率自由擬合，同時也讓模組間常數自由變動，將導致錯誤的譜模型。
• 修正後，先前存在差異的觀測（例如冷異常點）現已對齊，顯著提升模組間的一致性。