SG
Sebastián Gómez
Author with expertise in Gamma-Ray Bursts and Supernovae Connections
Achievements
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
7
(100% Open Access)
Cited by:
7
h-index:
24
/
i10-index:
41
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Lensed Type Ia Supernova “Encore” at z = 2: The First Instance of Two Multiply Imaged Supernovae in the Same Host Galaxy

Justin Pierel et al.May 29, 2024
Abstract A bright ( m F150W,AB = 24 mag), z = 1.95 supernova (SN) candidate was discovered in JWST/NIRCam imaging acquired on 2023 November 17. The SN is quintuply imaged as a result of strong gravitational lensing by a foreground galaxy cluster, detected in three locations, and remarkably is the second lensed SN found in the same host galaxy. The previous lensed SN was called “Requiem,” and therefore the new SN is named “Encore.” This makes the MACS J0138.0−2155 cluster the first known system to produce more than one multiply imaged SN. Moreover, both SN Requiem and SN Encore are Type Ia SNe (SNe Ia), making this the most distant case of a galaxy hosting two SNe Ia. Using parametric host fitting, we determine the probability of detecting two SNe Ia in this host galaxy over a ∼10 yr window to be ≈3%. These observations have the potential to yield a Hubble constant ( H 0 ) measurement with ∼10% precision, only the third lensed SN capable of such a result, using the three visible images of the SN. Both SN Requiem and SN Encore have a fourth image that is expected to appear within a few years of ∼2030, providing an unprecedented baseline for time-delay cosmography.
0
Citation4
0
Save
0

Discovery of an Apparent Red, High-velocity Type Ia Supernova at z = 2.9 with JWST

Justin Pierel et al.Aug 1, 2024
Abstract We present the James Webb Space Telescope (JWST) discovery of SN 2023adsy, a transient object located in a host galaxy JADES-GS+53.13485−27.82088 with a host spectroscopic redshift of 2.903 ± 0.007. The transient was identified in deep (JWST)/NIRCam imaging from the JWST Advanced Deep Extragalactic Survey (JADES) program. Photometric and spectroscopic follow-up with NIRCam and NIRSpec, respectively, confirm the redshift and yield UV-NIR light-curve, NIR color, and spectroscopic information all consistent with a Type Ia classification. Despite its classification as a likely SN Ia, SN 2023adsy is both fairly red ( c ∼ 0.9) despite a host galaxy with low extinction and has a high Ca ii velocity (19,000 ± 2000 km s −1 ) compared to the general population of SNe Ia. While these characteristics are consistent with some Ca-rich SNe Ia, particularly SN 2016hnk, SN 2023adsy is intrinsically brighter than the low- z Ca-rich population. Although such an object is too red for any low- z cosmological sample, we apply a fiducial standardization approach to SN 2023adsy and find that the SN 2023adsy luminosity distance measurement is in excellent agreement (≲1 σ ) with ΛCDM. Therefore unlike low- z Ca-rich SNe Ia, SN 2023adsy is standardizable and gives no indication that SN Ia standardized luminosities change significantly with redshift. A larger sample of distant SNe Ia is required to determine if SN Ia population characteristics at high z truly diverge from their low- z counterparts and to confirm that standardized luminosities nevertheless remain constant with redshift.
0
Citation1
0
Save
0

Discovery of a Relativistic Stripped-envelope Type Ic-BL Supernova at z = 2.83 with JWST

M. Siebert et al.Aug 26, 2024
Abstract We present James Webb Space Telescope (JWST) NIRCam and NIRSpec observations of a Type Ic supernova (SN Ic) and its host galaxy (JADES-GS+53.13533-27.81457) at z = 2.83. This SN (named SN 2023adta) was identified in deep JWST/NIRCam imaging from the JWST Advanced Deep Extragalactic Survey (JADES) program. Follow-up observations with JWST/NIRSpec provided a spectroscopic redshift of z = 2.83 and the classification as an SN Ic-BL. The light curve of SN 2023adta matches well with other stripped-envelope SNe, and we find a high peak luminosity, M V = −19.0 ± 0.2 mag, based on the distribution of best-fit SNe. The broad absorption features in its spectrum are consistent with other SNe Ic-BL 1–3 weeks after peak brightness. We measure a Ca ii near-IR triplet expansion velocity of 29,000 ± 2000 km s −1 . The host galaxy of SN 2023adta is irregular, and modeling of its spectral energy distribution indicates a metallicity of Z = 0.35 − 0.08 + 0.16 Z ⊙ . This environment is consistent with the population of low- z SNe Ic-BL that prefer lower metallicities relative to other stripped-envelope SNe and track long-duration γ -ray burst environments. We do not identify any γ -ray bursts that are coincident with SN 2023adta. Given the rarity of SNe Ic-BL in the local Universe, the detection of an SN Ic-BL at z = 2.83 could indicate that their rates are enhanced at high redshift.
0

Machine learning-based analysis of microfluidic device immobilized C. elegans for automated developmental toxicity testing

Andrew DuPlissis et al.Jan 2, 2025
Developmental toxicity (DevTox) tests evaluate the adverse effects of chemical exposures on an organism's development. Although current testing primarily relies on large mammalian models, the emergence of new approach methodologies (NAMs) is encouraging industries and regulatory agencies to evaluate novel assays. C. elegans have emerged as NAMs for rapid toxicity testing because of its biological relevance and suitability to high throughput studies. However, current low-resolution and labor-intensive methodologies prohibit its application for sub-lethal DevTox studies at high throughputs. With the recent advent of the large-scale microfluidic device, vivoChip, we can now rapidly collect 3D high-resolution images of ~ 1000 C. elegans from 24 different populations. While data collection is rapid, analyzing thousands of images remains time-consuming. To address this challenge, we developed a machine-learning (ML)-based image analysis platform using a 2.5D U-Net architecture (vivoBodySeg) that accurately segments C. elegans in images obtained from vivoChip devices, achieving a Dice score of 97.80%. vivoBodySeg processes 36 GB data per device, phenotyping multiple body parameters within 35 min on a desktop PC. This analysis is ~ 140 × faster than the manual analysis. This ML approach delivers highly reproducible DevTox parameters (4–8% CV) to assess the toxicity of chemicals with high statistical power.