Analyses des propriétés locales des galaxies hôtes des Supernovae de type Ia dans la collaboration The Nearby Supernova Factory - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2013

Analyses of the properties of the local host environments of Type Ia supernovae from The Nearby Supernova Factory

Analyses des propriétés locales des galaxies hôtes des Supernovae de type Ia dans la collaboration The Nearby Supernova Factory

Mickaël Rigault

Résumé

Type Ia supernovae (SNe Ia) are powerful cosmological distance indicators. They were key tools for the discovery of the accelerating expansion of the Universe and today they remain the strongest demonstrated technique for measuring the dark-energy equation of state. However, a major issue remains: despite decades of study, their progenitors are as yet undetermined. Notably, we still ignore the influence of the redshift-evolution of stellar properties on the absolute luminosity of the SNe Ia and therefore on the fitted cosmological parameters. Recent studies have highlighted potential biases correlated with the global properties of their host galaxies, large enough to induce systematic errors into cosmological measurements if not properly treated. However, those studies analyse hosts of Type Ia supernovae globally thus neglecting the known stellar and gas property variations across galaxies. ! In this thesis, I show how integral field spectroscopy data from the Nearby Supernova Factory allow the study of the local environment of the SNe Ia (~kpc). In the first part of this document, I introduce the physical principals and the scientific context of this work. In a second part, I start by detailing the technical extraction tools developed in order to extract the local host properties. Then, I show how one could measure the star formation activity in the SN vicinity from those data. I focus the analysis on this star formation activity and notably I show how the SNe Ia properties -- particularly their standardised Hubble residuals -- depend on the local host environment, which corresponds to a significant cosmological bias. I finish this second part by introducing a simple model based on the known evolution of the galactic star formation activity. This model enables me to estimate the potential influence of the aforementioned environmental bias on cosmology. I also show that this model can be tested using public data and a first analyses tend to confirm our hypotheses. Those results have been published in Astronomy & Astrophysics (Rigault et al. 2013). The third and last part of the document introduces new approaches and future work perspectives. ! In this thesis, I have highlighted significant environmental biases in SNe Ia properties, thanks to the local approach. However, those biases are less an issue for the cosmological analyses using Type Ia supernovae than a new opportunity to improve them as cosmological probes. ! This Document is written in French. The figures are in English
Les supernovae de type Ia (SNe Ia) sont de puissants indicateurs de distance cosmologique. Elles sont à l'origine de la découverte de l'énergie noire dans l'univers et restent aujourd'hui la meilleure méthode pour contraindre son équation d'état. Cependant, nous ignorons toujours le phénomène exact donnant naissance à ces supernovae. Notamment, nous ne connaissons pas l'influence de l'évolution des paramètres stellaires avec le redshift sur la luminosité de ces objets et donc sur les ajustements cosmologiques. De récentes études ont mis en évidence évidence des biais environnementaux ayant un impact significatif sur les mesures des paramètres cosmologiques. Cependant, ces études analysent les hôtes des SNe Ia dans leur globalité en négligeant les variations pourtant connues des propriétés stellaires et gazeuses au sein de ces galaxies. ! Dans cette thèse je montre comment les données de spectrographie à champ intégral de la collaboration The Nearby Supernova Factory permettent l'étude de l'environnement immédiat (~kpc) de la SNe Ia. Dans une première partie, j'introduis les bases physiques et le contexte scientifique dans lesquels ma thèse s'inscrit. Dans la seconde partie, je commence par détailler les techniques d'extraction des données environnementales locales et, une fois ces données extraites, je développe la mesure du taux de formation stellaire environnant les SNe Ia à partir du signal Hα. Dans mon analyse, je montre comment les propriétés des SNe Ia, et notamment leur luminosité standardisée, dépendent de la présence de formation stellaire à proximité. Ce biais, duquel découlent les biais environnementaux précédemment évoqués, a un impact significatif sur la cosmologie. En se basant sur les évolutions des propriétés stellaires des galaxies, je construit un modèle d'évolution de la luminosité moyenne des SNe Ia en fonction du redshift pour estimer cet impact; les données de la littérature semblent confirmer mes hypothèses. Ces résultats ont été publiés dans le journal européen Astronomy & Astrophysics (Rigault et al. 2013). Dans une troisième partie, je présente des analyses supplémentaires sur l'environnement local des SNe Ia et je suggère de nouvelles approches. ! Cette thèse a mis en évidence un biais environnemental important sur les propriétés des SNe Ia que seule l'analyse locale permet d'aborder. Cette découverte est une étape importante dans la compréhension de ces objets et dans l'amélioration de leur utilisation cosmologique
Fichier principal
Vignette du fichier
TH2013RigaultMickael.pdf (4.36 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-00905574 , version 1 (18-11-2013)
tel-00905574 , version 2 (15-06-2018)

Identifiants

  • HAL Id : tel-00905574 , version 2

Citer

Mickaël Rigault. Analyses des propriétés locales des galaxies hôtes des Supernovae de type Ia dans la collaboration The Nearby Supernova Factory. Cosmologie et astrophysique extra-galactique [astro-ph.CO]. Université Claude Bernard - Lyon I, 2013. Français. ⟨NNT : 2013LYO10145⟩. ⟨tel-00905574v2⟩
573 Consultations
451 Téléchargements

Partager

Gmail Facebook X LinkedIn More