Skalierbare hierarchische BayeSN-Inferenz: Untersuchung der Abhängigkeit der Staubeigenschaften von SN Ia-Wirtgalaxien von der stellaren Masse und dem Rotshift

ZUSAMMENFASSUNG Wir wenden das hierarchische probabilistische Spektralenergiedistributionsmodell (SED) bayesn an, um eine Stichprobe von 475 Typ Ia Supernovae (0,015 < z < 0,4) aus Foundation, DES3YR und PS1MD zu analysieren und die Eigenschaften von Staub in ihren Wirtgalaxien zu untersuchen. Wir inferieren gemeinsam die Staubgesetz RV Populationsverteilungen auf SED-Ebene in hoch- und niedrigmassigen Galaxien gleichzeitig mit staubunabhängigen, intrinsischen Unterschieden. Wir finden einen intrinsischen Masse-Schritt von −0,049 ± 0,016 mag, mit einer Signifikanz von 3,1σ, wenn wir einen konstanten intrinsischen, achromatischen Magnitudenoffset zulassen. Zusätzlich wenden wir ein Modell an, das zeit- und wellenlängenabhängige intrinsische Unterschiede zwischen SNe Ia in verschiedenen Massenschubladen zulässt und finden ∼2σ Unterschiede in Magnitude und Farbe um den Höhepunkt sowie 4,5σ Unterschiede zu späteren Zeiten. Diese intrinsischen Unterschiede werden gleichzeitig mit einem Unterschied im Populationsmittel RV von ∼2σ Signifikanz abgeleitet, was zeigt, dass sowohl intrinsische als auch extrinsische Unterschiede eine Rolle bei der Verursachung des Wirtgalaxien-Massenschrittes spielen könnten. Wir betrachten auch ein Modell, das es der Mittelwertverteilung von RV erlaubt, sich linear mit dem Rotshift zu entwickeln, finden jedoch keine Hinweise auf eine Evolution – wir leiten den Gradient dieser Beziehung ηR = −0.38 ± 0.70 ab. Darüber hinaus diskutieren wir kurz eine neue, GPU-beschleunigte Python-Implementierung von bayesn, die für die Anwendung auf große Umfragen geeignet ist und öffentlich verfügbar ist, um in zukünftigen kosmologischen Analysen verwendet zu werden; dieser Code ist hier zu finden: https://github.com/bayesn/bayesn.