Inversion non paramétrique de spectres galactiques P. Ocvirk, C. Pichon, A. Lançon.
-
Upload
celestin-besson -
Category
Documents
-
view
104 -
download
1
Transcript of Inversion non paramétrique de spectres galactiques P. Ocvirk, C. Pichon, A. Lançon.
Inversion non paramétrique Inversion non paramétrique de spectres galactiquesde spectres galactiques
P. Ocvirk, C. Pichon, A. LanP. Ocvirk, C. Pichon, A. Lanççonon
But: Caractérisation des populations But: Caractérisation des populations observobservéées en termes dees en termes de
SFH Distribution d’ ages stellairesSFH Distribution d’ ages stellaires Metallicite Relation Metallicite Relation ââge-mge-méétallicittallicitéé ExtinctionExtinction Cinématique Cinématique Non-paramNon-paraméétrique: sans a priori de forme trique: sans a priori de forme
Méthode:Méthode:fit des spectres observfit des spectres observéés par une s par une
combinaison linéaire de SSP synthétiquescombinaison linéaire de SSP synthétiques
Spectres synthétiques Spectres synthétiques PEGASE_HRPEGASE_HR
BasBaséé sur la librairie sur la librairie stellaire ELODIEstellaire ELODIE
Méthode d’inversion:Méthode d’inversion: Maximum de Maximum de
vraisemblancevraisemblance Optimisation type Optimisation type
gradient conjugugradient conjuguéé
Modèle de spectre galactiqueModèle de spectre galactique
PEGASE_HRELODIE
Stellar spectralibrary
Dust reddening
Sum SSPs Reddened model at restModel
LOSVD convolution
Modèle de spectre galactiqueModèle de spectre galactique
PEGASE_HRELODIE
Stellar spectralibrary
Traces évolutifs (Padova)Traces évolutifs (Padova)
IMF (Kroupa)IMF (Kroupa)
SFH: starburst instantané SFH: starburst instantané mono-mmono-méétalliquetallique
Séquence temporelle de spectres: 1 Séquence temporelle de spectres: 1 starburst instantané vu a différents starburst instantané vu a différents ââges ges
Modèle de spectre galactiqueModèle de spectre galactique
Dust reddening
Sum SSPs Reddened model at restModel
LOSVD convolution
Poids lumineux de chaque Poids lumineux de chaque composantecomposante
MMéétallicittallicitéé
E(B-V)E(B-V)
LOSVDLOSVD
Inversion mixte:Inversion mixte:Populations stellaires & cinématiquePopulations stellaires & cinématique
Pour chaque composante d’âge t:Pour chaque composante d’âge t:
Contribution lumineuseContribution lumineuse
MMéétallicitétallicité
Excès de couleurExcès de couleur
xAy E Z
Inversion mixte:Inversion mixte:Populations stellaires & cinématiquePopulations stellaires & cinématique
Pour chaque composante d’age t:Pour chaque composante d’age t:
Contribution lumineuseContribution lumineuse
MétallicitéMétallicité
Excès de couleurExcès de couleur
Pour la population entière: cinématiquePour la population entière: cinématique
lxAy E Z
Mauvais conditionnementMauvais conditionnementÉvolution lente de la SSPÉvolution lente de la SSP
Dépendance linéaire des colonnes de ADépendance linéaire des colonnes de A
grand nombre de conditionnement de A grand nombre de conditionnement de A
très grande sensibilité au bruit observationneltrès grande sensibilité au bruit observationnel
Solutions fortement oscillantes ou non physiquesSolutions fortement oscillantes ou non physiques
Non-unicitNon-unicitéé de la solution de la solution
RégularisationRégularisation
xP2
SimulationsSimulationsPseudo-donnPseudo-donnéées type SDSS: es type SDSS: ΔλΔλ=1.5 =1.5 Å a 4000-6800 Å a 4000-6800 Å SNR=30 Å SNR=30
ContributionContribution
lumineuselumineuselog(Z/Zsun)log(Z/Zsun) E(B-V)E(B-V) LOSVDLOSVD
Sim
u A
Sim
u A
Sim
u B
Sim
u B
Log(age(yr))Log(age(yr)) Log(age(yr))Log(age(yr)) Log(age(yr))Log(age(yr)) V(km/s)V(km/s)
Exemple d’application: Données SDSSExemple d’application: Données SDSS
Log(age(yr))Log(age(yr)) Log(age(yr))Log(age(yr)) Log(age(yr))Log(age(yr)) V(km/s)V(km/s)
Contribution lumineuseContribution lumineuse log(Z/Zsun)log(Z/Zsun) E(B-V)E(B-V) LOSVDLOSVD
Galaxie
SDSS-51630-0266-001
Data
Model
ConclusionsConclusions
Optimisation rapide grâce a des algos de descente Optimisation rapide grâce a des algos de descente éprouveséprouves
Utilise toute l’étendue du spectreUtilise toute l’étendue du spectre
Non-paramNon-paraméétrique: pas de forme a prioritrique: pas de forme a priori
BBéénnééficie directement de toute amficie directement de toute améélioration de la bibliothlioration de la bibliothèèqueque
A propos des dA propos des déégengenéérescencesrescences ::
Pas de dPas de déégengenéérescencerescence age-metallicite observéeage-metallicite observée
Pas de dPas de déégengenéérescence age-extinction observéerescence age-extinction observée
Dépend surtout du SNRDépend surtout du SNR
Bonus: Separation bulbe-disqueBonus: Separation bulbe-disqueinversion chemo-cinematiqueinversion chemo-cinematiqueCas idealise: population mono-metallique vue sans extinctionCas idealise: population mono-metallique vue sans extinction
R=10000 a 4000-6800 R=10000 a 4000-6800 Å SNR=100Å SNR=100
ConclusionsConclusions
Optimisation rapide grâce a des algos de descente Optimisation rapide grâce a des algos de descente éprouveséprouves
Utilise toute l’étendue du spectreUtilise toute l’étendue du spectre
Non-paramNon-paraméétrique: pas de forme a prioritrique: pas de forme a priori
BBéénnééficie directement de toute amficie directement de toute améélioration de la bibliothlioration de la bibliothèèqueque
A propos des dA propos des déégengenéérescencesrescences ::
Pas de dPas de déégengenéérescencerescence age-metallicite observéeage-metallicite observée
Pas de dPas de déégengenéérescence age-extinction observéerescence age-extinction observée
Dépend surtout du SNRDépend surtout du SNR
Futur proche: Futur proche:
application a un sous-echantillon SDSS application a un sous-echantillon SDSS
donnees Vazdekis et al.donnees Vazdekis et al.