A Fully Photometric Approach to Type Ia Supernova Cosmology in the LSST Era: Host Galaxy Redshifts and Supernova Classification

Resumen Técnico: Un enfoque totalmente fotométrico para la cosmología de supernovas de Tipo Ia en la era del LSST

Planteamiento del problema
Se proyecta que el próximo Observatorio Vera C. Rubin Legacy Survey of Space and Time (LSST) descubrirá casi un millón de supernovas de Tipo Ia (SNe Ia). Sin embargo, los recursos espectroscópicos serán insuficientes para clasificar la gran mayoría de estos eventos o asegurar los desplazamientos al rojo espectroscópicos ($z_{spec}$) de sus galaxias anfitrionas. Históricamente, la cosmología de las SNe Ia ha dependido de la confirmación espectroscópica y de los desplazamientos al rojo para restringir la energía oscura. La falta de datos espectroscópicos para la era del LSST requiere un enfoque totalmente fotométrico que pueda manejar simultáneamente la clasificación fotométrica, los desplazamientos al rojo fotométricos ($z_{phot}$) y la contaminación por eventos que no son SNe Ia. Estudios previos, como Mitra et al. (2023, M23), abordaron los desplazamientos al rojo fotométricos pero asumieron una clasificación perfecta, mientras que otros trabajos abordaron la clasificación sin integrar plenamente los sistemas de $z_{phot}$ de la galaxia anfitriona en un análisis cosmológico. Este artículo aborda la brecha realizando una simulación y un análisis exhaustivos que combinan la clasificación fotométrica, el $z_{phot}$ de la galaxia anfitriona y la contaminación por no-SNe Ia para pronosticar las restricciones cosmológicas del LSST.

Metodología
Los autores utilizan simulaciones basadas en el Extended LSST Astronomical Time Series Classification Challenge (ELAsTiCC) para generar un conjunto de datos realista. El flujo de trabajo del análisis consta de cinco etapas principales:

1. Simulación de datos:

   • Muestras: El estudio simula 25 muestras independientes. Cada una incluye una muestra de bajo desplazamiento al rojo ($z \le 0.08$) de SNe Ia confirmadas espectroscópicamente (campos Wide Fast Deep) y una muestra de alto desplazamiento al rojo ($z < 1.55$) de los campos de perforación profunda (Deep Drilling Fields, DDF).
   • Contaminación: La muestra de alto $z$ incluye contaminantes realistas que no son SNe Ia (SN II, Ib, Ic, SNe Ia peculiares como 91bg e Iax) y asociaciones erróneas con la galaxia anfitriona.
   • Propiedades de la galaxia anfitriona: Se utilizan las librerías de galaxias anfitrionas (HOSTLIBs) de ELAsTiCC para modelar las correlaciones entre el transitorio y el anfitrión, la masa estelar, las tasas de formación estelar y las funciones de densidad de probabilidad (PDF) del desplazamiento al rojo fotométrico.
   • Activación (Triggering): Los eventos se registran si pasan un disparador de 2 detecciones basado en la eficiencia de la técnica de imagen de diferencia (DIA).

2. Ajuste de la curva de luz:

   • Las curvas de luz de las SNe Ia se ajustan utilizando el modelo SALT3 con una extensión en el infrarrojo cercano (NIR).
   • Se realiza un ajuste conjunto para la supernova y la galaxia anfitriona, tratando el $z_{phot}$ del anfitrión como un quinto parámetro (junto con $t_0, x_0, x_1, c$), utilizando la PDF del $z_{phot}$ del anfitrión como un prior.
   • Las incertidumbres sistemáticas se modelan aplicando variaciones (por ejemplo, calibración, extinción, desplazamientos de $z_{phot}$) y utilizando un término $\chi^2_{syst}$ para mantener los parámetros ajustados consistentes a través de las variaciones sistemáticas, reduciendo la pérdida de eventos.

3. Clasificación fotométrica:

   • Se emplea el clasificador SCONE (Supernova Classification with a Convolutional Neural Network) para determinar la probabilidad ($P_{Ia}$) de que un evento sea una SN Ia.
   • La red se entrena con datos simulados para lograr una precisión >98%, distinguiendo las SNe Ia de las SNe de colapso de núcleo y de las SNe peculiares.

4. Corrección de sesgo y construcción del diagrama de Hubble:

   • Se utiliza el marco "BEAMS with Bias Corrections" (BBC). BEAMS tiene en cuenta la contaminación por no-Ia marginalizando sobre la probabilidad de clasificación.
   • Las correcciones de sesgo ($\Delta \mu_{bias}$) se derivan de una gran muestra de simulación para corregir los efectos de selección y los sesgos de módulo de distancia dependientes del desplazamiento al rojo, el estiramiento (stretch), el color y la masa del anfitrión.
   • Se construye un diagrama de Hubble (HD) con corrección de sesgo, disponible en formatos binario (binned), no binario (unbinned) y "re-binario" para optimizar la eficiencia computacional.

5. Ajuste cosmológico:

   • Los parámetros cosmológicos se ajustan mediante una minimización de $\chi^2$ con una matriz de covarianza que contiene componentes tanto estadísticos como sistemáticos.
   • Se aplica un prior del Fondo Cósmico de Microondas (CMB) para romper las degeneraciones.
   • Los ajustes se realizan para el modelo $w$CDM y el modelo $w_0w_a$CDM de Chevallier-Polarski-Linder (CPL).

Contribuciones clave

• Primer análisis fotométrico integral: Este trabajo presenta uno de los primeros análisis de cosmología de extremo a extremo para el LSST que incorpora simultáneamente la clasificación fotométrica, el $z_{phot}$ del anfitrión y la contaminación por no-SNe Ia sin asumir una clasificación perfecta.
• Manejo de sistemáticas: El artículo detalla un método riguroso para el manejo de las incertidumbres sistemáticas en un contexto fotométrico, incluyendo un enfoque novedoso para mantener una muestra común de eventos a través de las variaciones sistemáticas para construir matrices de covarianza válidas.
• Eficiencia del re-binado: Los autores demuestran un enfoque de diagrama de Hubble "re-binario" que reduce el tiempo de ejecución (wall time) por un factor de cuatro en comparación con los análisis no binarios, manteniendo restricciones óptimas, ofreciendo una vía escalable para futuros conjuntos de datos masivos.
• Caracterización de sesgos: El estudio identifica y cuantifica los sesgos residuales en los parámetros cosmológicos recuperados, atribuyéndolos a pasos específicos del análisis y a las sistemáticas.

Resultados

• Estadísticas de la muestra: A partir de una muestra generada de ~234,000 eventos, el análisis retiene ~5,034 SNe Ia y ~645 contaminantes tras los cortes de selección, resultando en una muestra final de ~5,725 eventos. La pureza de la muestra de SN Ia aumenta de ~15% (tasa física) a ~90% tras los cortes.
• Restricciones cosmológicas:
  • Para el modelo $w$CDM, la Figura de Mérito (FoM) para la muestra simulada es aproximadamente 150 (estadística + sistemática), significativamente mayor que la FoM de DES-SN5YR de 54.
  • Para el modelo $w_0w_a$CDM, la FoM basada solo en estadística es ~190, degradándose a ~150 cuando se incluyen las sistemáticas (una degradación de ~25–30%).
  • El análisis re-binario produce FoMs comparables al análisis no binario (por ejemplo, 159 vs. 156 para stat+syst en $w_0w_a$CDM).
• Sesgos: El análisis revela sesgos pequeños pero estadísticamente significativos en los parámetros cosmológicos recuperados (por ejemplo, sesgo de $w$ de ~0.01–0.03, sesgo de $w_a$ de ~0.12–0.27).
  • Estos sesgos persisten incluso después de corregir sistemáticas conocidas como la calibración y los desplazamientos de $z_{phot}$.
  • Los autores señalan que el sesgo desaparece si se excluyen los eventos que no son SNe Ia, lo que sugiere que la interacción entre los errores de clasificación y la contaminación es una fuente primaria del sesgo residual.
  • Se identifica que las sistemáticas de calibración (específicamente los desplazamientos de punto cero y de filtro) son la fuente dominante de la degradación de la FoM, más que las sistemáticas de $z_{phot}$, debido a las anticorrelaciones entre el $z_{phot}$ y los parámetros de color de SALT3 que autocorrigen los errores de distancia.

Significancia y afirmaciones
El artículo afirma proporcionar una hoja de ruta crítica para la cosmología del LSST, demostrando que un enfoque totalmente fotométrico es factible y capaz de entregar restricciones superiores a las de las encuestas actuales (como DES). Sin embargo, los autores son modestos respecto al estado actual del análisis. Expresan explícamente que la presencia de sesgos residuales indica que "se necesita más desarrollo de análisis" antes de aplicar esta metodología a datos reales. El trabajo destaca que, si bien las incertidumbres estadísticas dominarán, las sistemáticas no modeladas relacionadas con la clasificación fotométrica y los modelos astrofísicos (por ejemplo, las limitaciones de SALT3) deben abordarse para alcanzar plenamente el potencial de la muestra del LSST. La eficiencia demostrada del enfoque re-binario se presenta como una contribución práctica significativa para el manejo de los volúmenes masivos de datos esperados del Observatorio Rubin.