MARC

 008260126s2025        us                              c    eng  d
■001000017358771
■00520260202104749
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798290653709
■035    ▼a(MiAaPQ)AAI32151324
■035    ▼a(MiAaPQ)Caltech17228
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a523.8
■1001  ▼aSharma,  Yashvi.
■24510▼aChasing  Metamorphic  Supernovae  with  Zwicky  Transient  Facility,  SEDM-KP,  and  AI
■260    ▼a[Sl]▼bCalifornia  Institute  of  Technology▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a230  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-01,  Section:  B.
■500    ▼aAdvisor:  Kulkarni,  Shrinivas  R.
■5021  ▼aThesis  (Ph.D.)--California  Institute  of  Technology,  2025.
■520    ▼aModern  time-domain  astronomy  has  entered  a  data-rich  era.  Propelled  by  wide-field,  high-cadence  surveys  like  the  Zwicky  Transient  Facility  (ZTF)  have  vastly  expanded  our  understanding  of  supernova  (SN)  diversity.  However,  the  surge  in  discoveries  has  led  to  a  classification  bottleneck,  particularly  for  spectroscopic  follow-up,  hindering  the  timely  identification  of  rare  or  unusual  transients.  This  thesis  focuses  on  a  class  of  unusually  long-lived  SNe  with  bumpy  light  curves,  and  also  addresses  the  broader  classification  challenge  through  instrumentation  and  the  application  of  artificial  intelligence.Two  rare  SN  classes  are  examined  in  depth  through  systematic  samples:  (i)  SNe  Ia-CSM,  which  initially  have  SNe  Ia-like  spectra  but  later  transform  into  Type  IIn-like  SNe  strongly  interacting  with  circumstellar  material  (CSM),  challenging  our  understanding  of  their  progenitor  systems;  and  (ii)  double-peaked  stripped-envelope  supernovae  (SESNe),  where  multiple  light  curve  peaks  suggest  contributions  from  diverse  energy  sources  including  double-nickel  distribution,  CSM  interaction,  or  magnetar  engines.  I  derive  constraints  on  the  observed  rates  of  SNe  Ia-CSM  with  the  systematic  sample,  and  identify  spectroscopic  features  that  can  differentiate  between  the  strongly-interacting  spectra  of  SNe  Ia-CSM  from  SNe  IIn.  I  discuss  the  diversity  of  double-peaked  SESN  light  curves  in  the  context  of  the  plethora  of  suggested  powering  mechanisms  and  derive  light  curve  properties  that  can  help  narrow  down  the  possibilities.To  enable  more  effective  discovery  and  classification  of  such  events,  this  thesis  also  presents  instrumental  and  computational  advances.  I  detail  the  commissioning  of  a  new  low-resolution  robotic  spectrograph,  SEDM-KP,  on  the  Kitt  Peak  84-inch  telescope,  designed  to  extend  spectroscopic  classification  to  fainter  transients.  Additionally,  I  introduce  a  deep-learning-based  tool,  CCSNscore,  which  achieves  high  accuracy  in  automated  core-collapse  supernova  classification  from  low-resolution  spectra,  significantly  reducing  human  workload  and  latency  in  reporting.Together,  these  contributions  advance  our  ability  to  identify,  classify,  and  study  the  growing  zoo  of  transient  phenomena  and  lay  the  groundwork  for  managing  the  deluge  of  discoveries  anticipated  in  the  Rubin  Observatory  era.
■590    ▼aSchool  code:  0037.
■650  4▼aSupernovae
■650  4▼aDeep  learning
■650  4▼aSpectrum  analysis
■650  4▼aOpen  source  software
■650  4▼aExplosions
■690    ▼a0800
■71020▼aCalifornia  Institute  of  Technology▼bPhysics,  Mathematics  and  Astronomy.
■7730  ▼tDissertations  Abstracts  International▼g87-01B.
■790    ▼a0037
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17358771▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서