The ESO/VLT 3rd year Type Ia supernova data set from the supernova legacy survey
Notice bibliographique
Résumé
Aims. We present 139 spectra of 124 Type Ia supernovae (SNe Ia) that were observed at the ESO/VLT during the first three years of the Canada-France-Hawaï Telescope (CFHT) supernova legacy survey (SNLS). This homogeneous data set is used to test for redshift evolution of SN Ia spectra, and will be used in the SNLS 3rd year cosmological analyses. Methods. Spectra have been reduced and extracted with a dedicated pipeline that uses photometric information from deep CFHT legacy survey (CFHT-LS) reference images to trace, at sub-pixel accuracy, the position of the supernova on the spectrogram as a function of wavelength. It also separates the supernova and its host light in ~60% of cases. The identification of the supernova candidates is performed using a spectrophotometric SN Ia model. Results. A total of 124 SNe Ia, roughly 50% of the overall SNLS spectroscopic sample, have been identified using the ESO/VLT during the first three years of the survey. Their redshifts range from $z = 0.149$ to $z = 1.031$. The average redshift of the sample is z = 0.63±0.02. This constitutes the largest SN Ia spectral set to date in this redshift range. The spectra are presented along with their best-fit spectral SN Ia model and a host model where relevant. In the latter case, a host subtracted spectrum is also presented. We produce average spectra for pre-maximum, maximum and post-maximum epochs for both $z < 0.5$ and z ≥ 0.5 SNe Ia. We find that $z < 0.5$ spectra have deeper intermediate mass element absorptions than z ≥ 0.5 spectra. The differences with redshift are consistent with the selection of brighter and bluer supernovae at higher redshift.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».