GOPREAUX I: Open-source Code and Data to Model Multi-wavelength Emission of Extragalactic Transients using Gaussian Processes

Resumo Técnico: GOPREAUX I

1. O Problema

A astronomia de domínio temporal está passando por uma revolução impulsionada por levantamentos de todo o céu (como o LSST no Observatório Vera C. Rubin e o telescópio Nancy Grace Roman), que descobrirão milhões de transientes extragalácticos. No entanto, a classificação espectroscópica não acompanhará esse ritmo exponencial, tornando a classificação fotométrica e a inferência de parâmetros físicos a partir de curvas de luz esparsas essenciais.

Os desafios atuais incluem:

• A necessidade de modelar o comportamento multi-comprimento de onda (do UV ao Infravermelho) de transientes em altos redshifts, onde a emissão no UV repouso é desviada para o vermelho (redshifted) para o óptico ou infravermelho do observador.
• A falta de um modelo não paramétrico e orientado por dados que capture a dependência entre filtros (inter-filter dependency), já que a maioria dos modelos existentes trata cada filtro de forma independente.
• A ausência de um repositório unificado de dados e código de código aberto que permita a modelagem espectral-fotométrica evolutiva para diversas classes de transientes.

2. Metodologia

O artigo apresenta o GOPREAUX (Gaussian process Optimized Photometric Regression of Extragalactic Archival Ultraviolet-infrared eXplosions), um pacote de software em Python que utiliza Regressão por Processos Gaussianos (GPR) para modelar a evolução da Distribuição de Energia Espectral (SED) de transientes.

Principais etapas metodológicas:

• Amostragem de Dados:

  • Agregação de um conjunto de dados de ~1.300 transientes (incluindo 275 SNe Tipo II, 172 SNe de envelope despojado, 72 SLSN, 58 TDEs, entre outros).
  • Dados cobrem o espectro do Ultravioleta (UV) ao Infravermelho (IR), com o telescópio Swift como base (fornecendo cobertura UV crítica), complementado por levantamentos como ZTF, ATLAS e ASAS-SN.
  • Total de 146.074 detecções fotométricas e 46.343 não-detecções.

• Redução e Pré-processamento:

  • Fotometria Swift: Cálculo personalizado de fotometria de abertura, subtração automática de fundo e subtração de galáxias hospedeiras.
  • Correções: Correção uniforme para extinção da Via Láctea (usando mapas de poeira de Schlegel et al.). Não são aplicadas correções para extinção da galáxia hospedeira ou correções K, para evitar viéses físicos e manter o modelo puramente orientado por dados observacionais.
  • Normalização: As curvas de luz são padronizadas em relação ao tempo e magnitude do pico de brilho (determinado em um filtro de referência azul, ~4000-5000 Å no repouso).

• Modelagem com GPR (Regressão por Processos Gaussianos):

  • Abordagem 3D: O modelo interpola simultaneamente em três dimensões: fase (tempo), comprimento de onda e fluxo.
  • Tratamento de Não-Detectações: As não-detecções são tratadas como limites superiores com erros de 0,1 mag, mas filtradas para evitar que valores não-constritivos distorçam o modelo.
  • Warpping (Distorção) de SED: Um procedimento iterativo ajusta os comprimentos de onda efetivos de cada filtro para que a SED interpolada, quando convolvida com a função de filtro, corresponda à fotometria observada. Isso mitiga viéses causados pelas caudas vermelhas das transmissões dos filtros UV.
  • Espaço Logarítmico: A regressão é realizada em espaço logarítmico para fase e comprimento de onda, mitigando comportamentos não estacionários inerentes à evolução rápida das SEDs de supernovas.
  • Subtração de Template: Para lidar com a suposição de média zero do GPR, subtrai-se um "template" simples (polinomial ou mediana) de cada classe de transiente antes de ajustar os resíduos.

3. Contribuições Principais

O trabalho fornece três pilares fundamentais para a comunidade astronômica:

1. Software de Código Aberto (GOPREAUX): Um pacote Python modular e fácil de instalar que permite aos usuários:

   • Criar seus próprios modelos de SED para qualquer coleção de transientes.
   • Processar dados brutos de fontes como Swift, ZTF e Open SN Catalog.
   • Gerar previsões de curvas de luz e SEDs em qualquer fase ou comprimento de onda.
   • Amostrar a distribuição de probabilidade do GPR para gerar fotometria sintética.

2. Catálogo de Dados Unificado (CAAT):

   • Um banco de dados público contendo fotometria reduzida e uniformemente processada de quase 1.300 objetos.
   • Inclui mais de 146.000 pontos de dados, cobrindo desde o UV até o IR, servindo como um "padrão ouro" para futuros esforços de modelagem.

3. Templates de SED Evolutivos:

   • Geração de superfícies de SED tridimensionais (fase x comprimento de onda x magnitude) para as principais classes espectroscópicas de transientes.
   • Estes modelos capturam a evolução temporal e espectral sem assumir formas funcionais físicas pré-definidas (não paramétrico).

4. Resultados

• Validação do Modelo: Testes de train/test split (80% treino, 20% teste) mostram que os resíduos entre diferentes subconjuntos de dados são geralmente menores que ±0,2 magnitudes em toda a faixa de fase e comprimento de onda, dentro dos intervalos de confiança de 95% do GPR.
• Desempenho: O modelo consegue rastrear com precisão a evolução fotométrica observada (ex: SN 2016gkg Tipo IIb), incluindo comportamentos complexos como picos duplos e evolução rápida no UV.
• Incertezas: O modelo apresenta maior incerteza em comprimentos de onda mais azuis (UV) e em fases muito precoces, refletindo a escassez de dados nessas regiões, mas ainda assim fornece limites estatísticos robustos.
• Aplicabilidade: A capacidade de gerar fotometria sintética permite simular alertas para levantamentos futuros (LSST/Roman) e testar estratégias de classificação fotométrica.

5. Significado e Impacto Futuro

O GOPREAUX preenche uma lacuna crítica na astronomia de domínio temporal ao fornecer uma estrutura coesa para modelagem orientada por dados.

• Preparação para o LSST e Roman: Ao modelar a emissão no repouso (UV-Óptico-IR), o código permite prever como os transientes aparecerão em filtros de observadores em altos redshifts, facilitando a identificação e classificação de objetos distantes que não terão espectroscopia imediata.
• Inferência Física: Embora não assuma física, os modelos gerados podem ser usados para inferir parâmetros físicos e realizar análises populacionais em larga escala.
• Flexibilidade: A natureza modular do código permite que a comunidade adicione novos transientes ou classes à medida que novos dados forem descobertos, garantindo a longevidade e a utilidade contínua do repositório.

Em suma, o GOPREAUX I estabelece um novo padrão para a modelagem de transientes extragalácticos, combinando um vasto conjunto de dados curados com técnicas avançadas de aprendizado de máquina (GPR) para habilitar a próxima geração de descobertas em astronomia de domínio temporal.