Ia型超新星样本的异质性探索

我们检验了三个Ia型超新星（SNe Type Ia）数据集：Union2.1、JLA和Panstarrs，以使用宇宙学盲统计分析和宇宙学参数拟合来检查它们的一致性。我们发现Panstarrs数据集是三者中对变化最稳定的，尽管它目前没有达到足够高的红移来严格约束暗能量状态方程$w$。Union2.1来自许多不同来源，似乎对数据集内的变化有些敏感。JLA在较少宇宙学参数下能很好重建。在较高自由度下，其误差对红移的依赖性可能导致子集间结果变化。Panstarrs与其他两个在约$2\sigma$水平不一致，JLA与Union2.1彼此相差约$1\sigma$。对于$\Omega_{0m}-w$宇宙学重建，每个数据集选定子集中$w$的$1\sigma$值范围对于JLA和Union2.1是Panstarrs的两倍。相同子集中$\Omega_{0m}$的范围在三个数据集中大致相似。尽管不同样本使用的拟合和校正技术存在差异，但最重要的标准是SNe选择，略微不同的SNe选择可能导致纯统计分析和宇宙学重建中明显不同的结果。我们注意到，单个高质量低红移样本有助于减小结果的不确定性。我们还注意到，星等误差的缺乏同质性可能使结果产生偏差，应将其建模，或通过其他互补数据集抵消其影响。一个在高红移和低红移都具有高质量数据、由少数巡天构建以避免样本异质性、且具有同质误差的超新星样本，将产生更稳健的宇宙学重建。