Predicted and Observed Evolution in the Mean Properties of Type Ia Supernovae with Redshift
Notice bibliographique
Résumé
Recent studies indicate that Type Ia supernovae (SNe Ia) consist of two groups - a "prompt" component whose rates are proportional to the host galaxy star formation rate, whose members have broader lightcurves and are intrinsically more luminous, and a "delayed" component whose members take several Gyr to explode, have narrower lightcurves, and are intrinsically fainter. As cosmic star formation density increases with redshift, the prompt component should begin to dominate. We use a two-component model to predict that the average lightcurve width should increase by 5% from z=0-1.5. Using data from various searches we find a 9%+/-3% increase in average lightcurve width from z=0.03 - 1.26, corresponding to an increase in the average intrinsic SN Ia luminosity of 14%. To test whether there is any residual bias after supernovae are corrected for lightcurve shape we use published data to mimic the effect of population evolution and find no significant difference in the measured dark energy equation of state parameter, w. However, future measurements of changes in w with time require standardization of SN Ia magnitudes to 2% up to z=1.7, and it is not yet possible to assess whether lightcurve shape correction works at this level of precision. Another concern at z=1.5 is the expected order of magnitude increase in the number of SNe Ia that cannot be calibrated by current methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».