Hyperspectral modeling of host galaxies within the ZTF/SEDm project for the observation and typing of supernovae

Il y a près de deux décennies, les distances mesurées à partir des supernovae de type Ia (SNeIa) ont été utilisées pour découvrir l’accélération de l’expansion de l’Univers. Alors que ce phénomène est désormais communément admis, la compréhension de ses causes demeure inconnue et nécessite des mesures précises et non biaisées. Les supernovae (SNe) sont réparties en plusieurs catégories discernables par leurs propriétés spectrales, et de tous les types de SN, seules les SNeIa sont utilisées comme sonde cosmologique de par leurs propriétés de chandelles standardisables. Avec différents types de SNe possédant des luminosités intrinsèques différentes, tout objet mal classifié peut induire des biais dans la dérivation des paramètres cosmologiques.Actuellement la classification spectrale n’est possible que lorsque la SN est suffisamment isolée de sa galaxie hôte, mais plus l’évènement survient proche du cœur de la galaxie plus la contamination spectrale s’intensifie et cette analyse devient difficile voire impossible. Cette thèse de doctorat a été effectuée à l’Institut de Physique des 2 Infinis de Lyon (IP2I Lyon) dans le cadre du relevé cosmologique grand champ Zwicky Transient Facility (ZTF), avec l’utilisation d’un spectrographe 3D basse résolution : la Spectral Energy Distribution machine (SEDm). L’objectif de ce travail de recherche est de répondre à la problématique de la classification des SNe dans le cas de contamination spectrale importante par la galaxie hôte.Je présente dans ce manuscrit une nouvelle méthode de décontamination sous la forme d’un outil de modélisation de scène, HyperGal, permettant d’extraire le spectre de supernovae jusqu’alors inexploitables. Le cœur de ce pipeline repose sur l’utilisation de données photométriques de la galaxie hôte, prises en amont de l’explosion de la SNIa. En utilisant les connaissances de la physique des galaxies, nous modélisons à l’échelle locale les propriétés spectrales de l’hôte afin de créer un cube 3D modèle de la galaxie isolée. En convoluant ce modèle par la réponse impulsionnelle de la SEDm, nous effectuons une projection de cette modélisation hyperspectrale dans l’espace des observations. Modélisant par la suite la SN par une source ponctuelle chromatique, et ajustant simultanément la galaxie et la supernova aux observations, nous avons créé un pipeline modéliseur de scène pouvant extraire le spectre de la SN dans un environnement hautement contaminé. Cet outil est par la suite validé sur un échantillon simulé de SNe tirées de données observées. J’expose à la fin de ce manuscrit les résultats scientifiques préliminaires de la seconde data release (DR2) du groupe Type Ia Supernovae & Cosmology de ZTF, composée de ∼ 3000 SNeIa et dont la vaste majorité ont été classifiées avec cette nouvelle méthode d’extraction.Nearly two decades ago, distances measured from type Ia supernovae (SNeIa) were used to discover the accelerated expansion of the of the universe. While the accelerated expansion of the Universe is now commonly accepted, understanding what causes this effect is unknown and requires precise, unbiased measurements. Supernovae (SNe) are divided into several categories which can only be distinguished by their spectral properties, and of all SN types, only the SNeIa are used as a cosmological probe because of their properties of standardizable candles. With different types of SNe having different intrinsic luminosities, any misclassified objects will lead to a bias in the cosmological parameters. Spectral classification is fairly straightforward for SNe occuring in isolated environments, but the closer an event occurs close to the core of a galaxy, the more the spectral contamination intensifies and this analysis becomes difficult or even impossible. This PhD thesis has been carried out at the Institut de Physique des 2 Infinis de Lyon (IP2I Lyon) as part of the Zwicky Transient Facility (ZTF) wide field cosmological project, using data obtained from a low-resolution 3D spectrograph : the Spectral Energy Distribution machine (SEDm). The objective of this research work is to answer the problem of the classification of SNe in the case of strong spectral contamination by the host galaxy. I present in this manuscript a new method to separate signal from SN from that of the galaxy in the form of a scene modeling tool, HyperGal, which allows us to confidently extract and classify SN previously missed or mis-classified. The core of this pipeline is based on the use of photometric data of the host galaxy, taken before the SN explosion. Using the knowledge of the physics of galaxies, we model the spectral properties of the host, adjusting and scaling appropriately to create a 3D cube model of the isolated host galaxy. Convolving this model to the instrumental response of SEDm, we produce a projection of this hyperspectral model in the space of the observations. Modeling the SN as a wavelength dependent point source, and fitting both the galaxy and supernova simultaneously, we have produced a scene modelling pipeline that can extract the properties of the SN from highly contaminated environments. This model is validated on simulated samples of SN drawn from observed data. At the end of this manuscript, I present the preliminary scientific results from the ZTF-DR2 dataset of the Type Ia Supernovae & Cosmology group of ZTF, composed of ∼ 3000 SNeIa where the vast majority of which has been classified with this new extraction technique