700,000개의 SDSS 스펙트럼에서 발견된 90개의 Ia형 초신성: 은하 질량·별 형성률에 따른 초신성 발생률 연구

초록

저자들은 SDSS DR7에 포함된 약 70만 개의 은하 스펙트럼에서 90개의 Ia형 초신성(SN Ia)과 10개의 II형 초신성을 찾아냈다. VESPA로 복원한 은하별 별형성이력을 이용해 각 은하의 질량당 SN Ia 발생률을 측정했으며, 질량이 클수록 단위 질량당 발생률이 낮아지는 ‘rate‑size’ 관계를 재확인했다. 또한 지연시간분포(DTD)가 t⁻¹ 형태임을 증명하고, 2.4 Gyr 이상 지연된 구성요소의 정상화 값을 4.5 × 10⁻¹⁴ SNe M_⊙⁻¹ yr⁻¹ 로 추정했다. 최종적으로 z≈0.1에서의 질량 정규화 SN Ia 비율은 0.10 SNuM, 부피 정규화 비율은 2.47 × 10⁻⁵ SNe yr⁻¹ Mpc⁻³ 로 보고하였다.

상세 분석

본 연구는 대규모 스펙트럼 데이터베이스인 SDSS DR7을 활용해 초신성 탐색을 이미지 기반 설문이 아닌 스펙트럼 기반으로 수행한 점이 가장 큰 특징이다. 먼저 776 447개의 은하 스펙트럼에 대해 VESPA를 이용해 0–0.42 Gyr, 0.42–2.4 Gyr, >2.4 Gyr 세 개의 연령 구간으로 나눈 별형성이력을 복원하였다. 여기서 Kroupa IMF와 Maraston(2005) 모델을 채택했으며, 스펙트럼 섬광을 10개의 SDSS DR2 은하 eigenspectrum으로 SVD 분해해 은하 배경을 제거한 뒤 잔차 스펙트럼에 SNID 라이브러리(304 객체, 2 952 스펙트럼)로 템플릿 매칭을 수행했다. 매칭 시 χ²λ을 사용해 파장 범위 차이를 보정하고, 최소 2 900 Å 이상의 파장 커버리지를 가진 템플릿만을 허용함으로써 잘못된 분류 위험을 크게 낮췄다. 탐색 기준은 ‘연속 30 픽셀 이상, 최소 10개의 피처’를 만족하는 잔차 스펙트럼으로 설정했으며, χ²_r > 1인 경우는 신호‑대‑노이즈가 낮아 탐색에서 제외하였다. 이러한 절차를 거쳐 90개의 Ia형 초신성과 10개의 II형 초신성을 검출했으며, 각각의 검출 효율과 순도는 시뮬레이션을 통해 70 % 이상(특히 Ia형)으로 확인되었다.

초신성 호스트 은하를 질량과 특이별형성률(sSFR) 기준으로 ‘수동’, ‘별형성’, ‘고별형성’ 세 그룹으로 구분했으며, 전체 샘플의 54.5 %가 수동, 44.7 %가 별형성, 0.8 %가 고별형성 은하였다. Ia형 초신성 호스트는 수동 47.8 %, 별형성 52.2 %로, 고별형성 은하에서의 발견은 거의 없었다. 이는 스펙트럼 섬광이 주로 은하 중심부(3 ″ 섬유)에서 발생했으며, 이 영역은 오래된 별집단이 지배적이기 때문이다.

SN Ia 발생률을 질량당 SNuM(10⁻¹² SNe yr⁻¹ M_⊙⁻¹)으로 정규화한 결과, 전체 평균값은 0.10 ± 0.01 (stat) ± 0.01 (sys) SNuM이며, 이는 은하 질량이 증가할수록 감소하는 ‘rate‑size’ 관계를 재현한다. 특히 10¹⁰ M_⊙ 이하의 저질량 은하에서는 질량당 발생률이 2배 이상 높게 측정되었다. 부피 정규화 비율은 0.247 × 10⁻⁴ SNe yr⁻¹ Mpc⁻³ 로, 기존의 이미지 기반 초신성 조사와 일치한다.

DTD 복원은 Maoz et al. (2011) 방식과 동일하게 각 은하의 별형성 히스토리와 관측된 초신성 수를 직접 비교해 수행하였다. 2.4 Gyr 이상 지연된 ‘지연’ 성분의 정규화는 (4.5 ± 0.6 (stat) +0.3 – 0.5 (sys)) × 10⁻¹⁴ SNe M_⊙⁻¹ yr⁻¹ 로 도출되었으며, 이는 t⁻¹ 형태의 파워‑로우 DTD와 정량적으로 일치한다. ‘프롬프트’ 성분(t < 420 Myr)은 샘플에 충분히 많은 고별형성 은하가 없어서 제한적으로만 추정되었다.

결과적으로, 스펙트럼 기반 초신성 탐색이 대규모 데이터셋에서 효율적인 SN Ia 샘플을 제공함을 증명했으며, 은하 질량·별형성률과의 관계를 통해 이중백색왜성(DD) 시나리오가 지배적인 progenitor 모델임을 뒷받침한다. 또한 VESPA와 같은 상세 SFH 복원 툴을 결합하면 DTD를 직접적으로 측정할 수 있어, 미래 대규모 스펙트럼 설문(예: DESI, 4MOST)에서도 유사한 방법론을 적용할 수 있는 기반을 마련한다.