[论文解读] The Dark Energy Survey Supernova Program: Cosmological Analysis and Systematic Uncertainties

M. Vincenzi, Dillon Brout+94 more|arXiv (Cornell University)|Jan 5, 2024

Gamma-ray bursts and supernovae参考文献 114被引用 18

一句话总结

本论文展示了完整的 DES-SN5YR 光度学分类的 Ia 型超新星哈勃图，以及通过 BBC/BEAMS 框架得到的距离推断，并给出用于宇宙学的全面系统性不确定性预算。

ABSTRACT

We present the full Hubble diagram of photometrically-classified Type Ia supernovae (SNe Ia) from the Dark Energy Survey supernova program (DES-SN). DES-SN discovered more than 20,000 SN candidates and obtained spectroscopic redshifts of 7,000 host galaxies. Based on the light-curve quality, we select 1635 photometrically-identified SNe Ia with spectroscopic redshift 0.10$< z <$1.13, which is the largest sample of supernovae from any single survey and increases the number of known $z>0.5$ supernovae by a factor of five. In a companion paper, we present cosmological results of the DES-SN sample combined with 194 spectroscopically-classified SNe Ia at low redshift as an anchor for cosmological fits. Here we present extensive modeling of this combined sample and validate the entire analysis pipeline used to derive distances. We show that the statistical and systematic uncertainties on cosmological parameters are $σ_{Ω_M,{ m stat+sys}}^{Λ{ m CDM}}=$0.017 in a flat $Λ$CDM model, and $(σ_{Ω_M},σ_w)_{ m stat+sys}^{w{ m CDM}}=$(0.082, 0.152) in a flat $w$CDM model. Combining the DES SN data with the highly complementary CMB measurements by Planck Collaboration (2020) reduces uncertainties on cosmological parameters by a factor of 4. In all cases, statistical uncertainties dominate over systematics. We show that uncertainties due to photometric classification make up less than 10% of the total systematic uncertainty budget. This result sets the stage for the next generation of SN cosmology surveys such as the Vera C. Rubin Observatory's Legacy Survey of Space and Time.

研究动机与目标

• 用五年 DES-SN 的完整光度观测样本结合低redshift锚点来量化宇宙学约束。
• 开发并验证使用 SALT3 光曲线拟合和 BBC 偏差修正的距离测量流程。
• 评估系统性不确定性（包括标定、宿主-质量/颜色效应、以及超新星分类污染）对宇宙学参数的影响。
• 为未来的光度超新星宇宙学 surveys（如 LSST 和罗马）的稳健框架做准备。

提出的方法

• 使用固定光谱红shift 的 SALT3 光曲线拟合以获得距离模量。
• 应用带偏差修正的 BEAMS（BBC）以对非 Ia 污染进行边缘化并应用偏差修正 Δmu_bias。
• 将超新星 Ia 分类概率 P_Ia 来自 SuperNNova 纳入 BEAMS 框架以获得 P(Ia|data)。
• 通过 gamma G_host 项来建模宿主星系依赖性，允许在距离模量中出现质量阶跃或颜色阶跃。
• 使用 DES FGCM 与 Supercal-Fragilistic 的互相校准来传播跨调查的标定不确定性。
• 构建未分箱的宇宙学似然量，包含 L_Ia 与 L_CC 分量，并使用带偏差修正的距离进行宇宙学拟合。

实验结果

研究问题

• RQ1 从 DES-SN5YR 样本与低z锚点和 Planck CMB 数据结合时，得到的宇宙学约束（Omega_M、w）是什么？
• RQ2 光度分类不确定性和宿主星系属性如何影响 Ia 距离估计及宇宙学推断？
• RQ3 标定、选择效应和超新星群体建模对最终宇宙学参数不确定性有何影响？
• RQ4 完全光度超新星 Ia 样本能否为未来调查如 LSST 与罗马提供稳健的宇宙学结果？
• RQ5 在质量阶跃与颜色阶跃之间的选择如何影响推断的光度校正和宇宙学？

主要发现

• 在平坦的 ΛCDM 与平坦的 wCDM 模型下，DES-SN5YR 分析的统计不确定性主导宇宙学参数的系统误差。
• 光度分类不确定性对宇宙学总体系统误差预算贡献小于 10%。
• 将 DES SN 数据与 Planck CMB 测量结合后，宇宙学参数的不确定性约降低约四分之一。
• 本文给出来自 1635 只经光度识别且光谱红移在 0.10 < z < 1.13 的 Ia 型超新星的完整距离模量与哈勃图。
• 相比 DES-SN3YR 的改进包括 SALT3、基于宿主-尘埃的内在散射模型、更新标定以及波长相关的大气校正。