Strongly lensed SNe Ia in the era of LSST: observing cadence for lens discoveries and time-delay measurements
Notice bibliographique
Résumé
The upcoming Large Synoptic Survey Telescope (LSST) will detect many strongly lensed Type Ia supernovae (LSNe Ia) for time-delay cosmography. This will provide an independent and direct way for measuring the Hubble constant H0, which is necessary to address the current 4.4σ tension in H0 between the local distance ladder and the early Universe measurements. We present a detailed analysis of different observing strategies (also referred to as cadence strategy) for the LSST, and quantify their impact on time-delay measurement between multiple images of LSNe Ia. For this, we simulated observations by using mock LSNe Ia for which we produced mock-LSST light curves that account for microlensing. Furthermore, we used the free-knot splines estimator from the software PyCS to measure the time delay from the simulated observations. We find that using only LSST data for time-delay cosmography is not ideal. Instead, we advocate using LSST as a discovery machine for LSNe Ia, enabling time delay measurements from follow-up observations from other instruments in order to increase the number of systems by a factor of 2–16 depending on the observing strategy. Furthermore, we find that LSST observing strategies, which provide a good sampling frequency (the mean inter-night gap is around two days) and high cumulative season length (ten seasons with a season length of around 170 days per season), are favored. Rolling cadences subdivide the survey and focus on different parts in different years; these observing strategies trade the number of seasons for better sampling frequency. In our investigation, this leads to half the number of systems in comparison to the best observing strategy. Therefore rolling cadences are disfavored because the gain from the increased sampling frequency cannot compensate for the shortened cumulative season length. We anticipate that the sample of lensed SNe Ia from our preferred LSST cadence strategies with rapid follow-up observations would yield an independent percent-level constraint on H0.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».