GHOST：仅利用宿主星系信息精确关联并区分超新星
星系天体物理
2021-03-03 v4 宇宙学与河外天体物理
天体物理仪器与方法
摘要
我们提出 GHOST，一个包含 16,175 个经光谱分类的超新星及其宿主星系性质的数据库。我们开发了一种利用图像梯度的宿主星系关联方法，相较于先前的方法，该方法对低红移宿主的误关联更少，对高红移宿主的完备性更高。我们使用降维来识别区分超新星类型的宿主星系性质。我们的结果表明，SLSNe、SNe Ia 和核坍缩超新星的宿主可利用宿主亮度信息以及由宿主光轮廓导出的延展性度量来分离。接下来，我们使用 GHOST 的数据训练了一个随机森林模型，仅利用宿主星系信息和超新星的径向偏移来预测超新星类型。我们无需事件本身的任何测光数据，即可以约 70% 的准确率区分 SNe Ia 和核坍缩超新星。Vera C. Rubin 天文台将开启暂现源族群研究的新时代，亟需改进的测光工具以快速识别和分类暂现事件。通过识别具有高判别力的宿主特征，我们将在数据量增长时保持超新星样本纯度并持续识别具有科学意义的事件。GHOST 数据库以及我们用于关联暂现源与宿主星系的相应软件均已公开可用。
引用
@article{arxiv.2008.09630,
title = {GHOST: Using Only Host Galaxy Information to Accurately Associate and Distinguish Supernovae},
author = {Alex Gagliano and Gautham Narayan and Andrew Engel and Matias Carrasco Kind},
journal= {arXiv preprint arXiv:2008.09630},
year = {2021}
}
备注
31 pages, 16 figures; Accepted to ApJ