PISCOLA：一种数据驱动的瞬变光变曲线拟合工具

即将开展的时间域巡天，如Rubin天文台时空遗产巡天，将极大增加超新星（SNe）及其他光学瞬变源的样本量，需要新的数据驱动技术来分析其测光光变曲线。在此，我们提出“用于智能超新星-宇宙学光变曲线分析的Python工具”（PISCOLA），一种使用高斯过程、无需底层光变曲线模板即可估计瞬变源静止帧光变曲线的开源数据驱动光变曲线拟合工具。我们在大规模Ia型超新星（SNe Ia）模拟上测试PISCOLA以验证其性能，表明其能在平均巡天节奏宽至7天时成功恢复静止帧峰值星等。我们还在真实数据上与现有SN Ia光变曲线拟合工具SALT2进行比较，发现不同光变曲线参数间仅存在微小（但显著）分歧。作为PISCOLA应用的概念验证，我们利用非负矩阵分解对Pantheon SN Ia样本中SNe Ia的PISCOLA静止帧光变曲线进行分解与分析。我们的新参数化提供了与SALT2等现有光变曲线拟合工具相似的性能。我们进一步从PISCOLA拟合中推导出约3500至7000Å波段的SN Ia颜色规律，发现其与SALT2颜色规律及总选消光比$R_V \lesssim 3.1$的红化规律一致。