Return to search

Analyse des 5 ans de données de l'expérience SuperNova Legacy Survey

Le SuperNova Legacy Survey (SNLS) est un programme de détection et de suivi photométrique de plusieurs centaines de supernovæ de type Ia (SNe Ia) dont l'objectif est de retracer l'histoire de l'expansion cosmologique afin d'en déduire une caractérisation de la nature de l'énergie noire, c'est-à-dire une mesure de son paramètre d'état wDE. La prise de données du SNLS est arrivée à son terme en juillet 2008 après 5 ans de programme. Le travail réalisé dans le cadre de cette thèse a consisté en l'analyse de ces 5 ans de données SNLS et la photométrie des 419 SNe Ia détectées et spectroscopiquement identifiées. Pour chaque supernova, les courbes de lumière dans les bandes gMrMiMzM sont produites, calibrées et ajustées par un modèle spectrophotométrique. Une nouvelle méthode de photométrie, sans rééchantillonnage des pixels des images, est également implémentée dans le cadre de cette thèse. En préservant les propriétés statistiques des pixels, elle permet de mieux contrôler les incertitudes sur la mesure des flux, et par là même, la précision sur la mesure des paramètres cosmologiques qui s'en déduit. Les performances des deux méthodes sont testées et comparées sur les étoiles de calibration et les supernovae. Si la photométrie sans rééchantillonnage permet une estimation plus exacte des incertitudes de mesure du flux, la précision et la stabilité des deux méthodes sont quant à elles similaires. Un lot de SNe Ia de statistique et de qualité inédites est maintenant disponible pour l'analyse de cosmologie. Avec le complément de supernovæ proches de programmes extérieurs, une contrainte à 5% sur la nature du paramètre d'état de l'énergie noire est donc pour la première fois envisageable.

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00587450
Date24 September 2010
CreatorsFourmanoit, N.
PublisherUniversité Pierre et Marie Curie - Paris VI
Source SetsCCSD theses-EN-ligne, France
LanguageFrench
Detected LanguageFrench
TypePhD thesis

Page generated in 0.0027 seconds