Quasar continuum component analysis of the WEAVE-QSO Survey

Abstract

Los cu´asares son agujeros negros supermasivos rodeados de material muy caliente que, mientras cae en espiral, emite una gran cantidad de radiaci´on electromagn´etica. Se encuentran en el centro de galaxias muy lejanas, y de las absorciones en sus espectros, se puede extraer informaci´on sobre la densidad, temperatura y composici´on del medio intergal´actico. Para ello, el continuo de estos espectros ha de ser estimado. Presento dos m´etodos para reconstruir el continuo de cu´asares: el c´alculo de la pendiente de la regi´on UV de los espectros de cu´asares y interpolaci´on con splines c´ubicos. Con el objetivo final de tener la t´ecnica de an´alisis de datos lista cuando comience el cat´alogo de WEAVE-QSO a finales de 2022, uso el set de datos sint´eticos WEAVE-QSO OpR3b para testear la aplicabilidad de estos m´etodos reconstruyendo el continuo de los de datos observados sint´eticos y compar´andolo con el continuo te´orico incluido en el set de datos. Encontr´e la regi´on m´as apropiada para el c´alculo de las pendientes para este set de datos. La pendiente no mostr´o dependencia ni en la magnitud aparente en banda r ni en el redshift. Adicionalmente, encontr´e una cierta parcialidad (o ‘bias’) entre las pendientes observadas y te´oricas, y para los cu´asares con S/N > 3 propongo un m´etodo para corregirla en aplicaciones futuras. En cuanto a la interpolaci´on por splines c´ubicos, estudi´e los par´ametros ´optimos del algoritmo seguido, en primer lugar visualmente para un n´umero reducido de cu´asares y en segundo lugar minimizando ciertos residuos en varias situaciones incluyendo distintas regiones (todo el espectro, a la izquierda y a la derecha de Lyman-α) y posibles constantes de renormalizaci´on. Estos par´ametros ´optimos no dependieron del redshift, pero s´ı de la magnitud aparente en banda r. Us´e la dependencia con la magnitud para proponer un algoritmo que lleva la magnitud aparente en banda r de un cu´asar en los par´ametros optimos para la interpolaci´on por splines c´ubicos. Por ´ultimo, comprob´e los resultados de este algoritmo haciendo un stack encontrando errores del 16 %, y solo del 2.2 % para S/N > 3.

Quasars are supermassive black holes surrounded by very hot material that, as it falls spirally, emits huge amounts of electromagnetic radiation. They are located in the center of very distant galaxies, and from the absorption present in their spectra, information about the density, temperature and composition of intergalactic medium can be extracted. For that, the continuum from these spectra must be estimated. I present two methods to reconstruct quasar continua: computation of the slope of the UV region of QSO spectra and cubic spline interpolation. With the final objective of having the analysis pipeline ready when the WEAVE-QSO Survey starts in late 2022, I take advantage of the WEAVE-QSO OpR3b mock dataset to test the extent of the applicability of these methods by reconstructing the continuum with the mock observed data and comparing it with the theoretical continuum included in the data set. I found the most appropriate the region for the computation of the slopes in this dataset. The slope of mock and theoretical spectra did not depend on neither r-band apparent magnitude nor redshift. Additionally, I found certain bias between observed and theoretical slopes, and for S/N > 3 quasars I propose a method to correct it for future applications. Regarding the cubic spline interpolation, I studied the optimal parameters of the algorithm followed, first visually for a reduced number of quasars and secondly minimizing certain residuals in a number of situations including different regions (whole spectrum, bluewards and redwards of Lyman-α) and possible renormalization constants. These optimal parameters did not depend on redshift, but did depend on r-band apparent magnitude. I used the dependence on magnitude to propose an algorithm mapping QSO r-band apparent magnitude to optimal parameters for the cubic spline interpolation. Lastly, I checked the results of this algorithm by stacking finding errors of 16 %, and only 2.2 % for S/N > 3.