Photometric selection of high-redshift type Ia supernovae
Notice bibliographique
Résumé
We present a method for selecting high-redshift type Ia supernovae (SNe Ia) located via rolling SN searches. The technique, using both color and magnitude information of events from only 2-3 epochs of multi-band real-time photometry, is able to discriminate between SNe Ia and core collapse SNe. Furthermore, for the SNe Ia, the method accurately predicts the redshift, phase and light-curve parameterization of these events based only on pre-maximum-light data. We demonstrate the effectiveness of the technique on a simulated survey of SNe Ia and core-collapse SNe, where the selection method effectively rejects most core-collapse SNe while retaining SNe Ia. We also apply the selection code to real-time data acquired as part of the Canada-France-Hawaii Telescope Supernova Legacy Survey (SNLS). During the period May 2004 to January 2005 in the SNLS, 440 SN candidates were discovered of which 70 were confirmed spectroscopically as SNe Ia and 15 as core-collapse events. For this test dataset, the selection technique correctly identifies 100% of the identified SNe II as non-SNe Ia with only a 1-2% false rejection rate. The predicted parameterization of the SNe Ia has a precision of |delta_z|/(1+z_spec)<0.09 in redshift, and +/- 2-3 rest-frame days in phase, providing invaluable information for planning spectroscopic follow-up observations. We also investigate any bias introduced by this selection method on the ability of surveys such as SNLS to measure cosmological parameters (e.g., w and omega matter), and find any effect to be negligible.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».