EVOLUTION IN THE VOLUMETRIC TYPE Ia SUPERNOVA RATE FROM THE SUPERNOVA LEGACY SURVEY
Notice bibliographique
Résumé
We present a measurement of the volumetric Type Ia supernova (SN Ia) rate (SNR Ia ) as a function of redshift for the first four years of data from the Canada-France-Hawaii Telescope Supernova Legacy Survey (SNLS). This analysis includes 286 spectroscopically confirmed and more than 400 additional photometrically identified SNe Ia within the redshift range 0.1 z 1.1. The volumetric SNR Ia evolution is consistent with a rise to z 1.0 that follows a power law of the form (1+z) , with = 2.11 0.28. This evolutionary trend in the SNLS rates is slightly shallower than that of the cosmic star formation history (SFH) over the same redshift range. We combine the SNLS rate measurements with those from other surveys that complement the SNLS redshift range, and fit various simple SN Ia delay-time distribution (DTD) models to the combined data. A simple power-law model for the DTD (i.e., t - ) yields values from = 0.98 0.05 to = 1.15 0.08 depending on the parameterization of the cosmic SFH. A two-component model, where SNR Ia is dependent on stellar mass (M stellar ) and star formation rate (SFR) as SNR Ia (z) = A M stellar (z) + B SFR(z), yields the coefficients A = (1.9 0.1) 10 -14 SNe yr -1 M -1 and B = (3.3 0.2) 10 -4 SNe yr -1 (M yr -1 ) -1 . More general two-component models also fit the data well, but single Gaussian or exponential DTDs provide significantly poorer matches. Finally, we split the SNLS sample into two populations by the light-curve width (stretch), and show that the general behavior in the rates of faster-declining SNe Ia (0.8 s < 1.0) is similar, within our measurement errors, to that of the slower objects (1.0 s < 1.3) out to z 0.8.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».