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.