We report measurements of ΩM, ΩΛ, and w from 11 supernovae (SNe) at z = 0.36-0.86 with high-quality light curves measured using WFPC2 on the Hubble Space Telescope (HST). This is an independent set of high-redshift SNe that confirms previous SN evidence for an accelerating universe. The high-quality light curves available from photometry on WFPC2 make it possible for these 11 SNe alone to provide measurements of the cosmological parameters comparable in statistical weight to the previous results. Combined with earlier Supernova Cosmology Project data, the new SNe yield a measurement of the mass density ΩM = 0.25 (statistical) ± 0.04 (identified systematics), or equivalently, a cosmological constant of ΩΛ = 0.75 (statistical) ± 0.04 (identified systematics), under the assumptions of a flat universe and that the dark energy equation-of-state parameter has a constant value w = -1. When the SN results are combined with independent flat-universe measurements of ΩM from cosmic microwave background and galaxy redshift distortion data, they provide a measurement of w = -1.05 (statistical) ± 0.09 (identified systematic), if w is assumed to be constant in time. In addition to high-precision light-curve measurements, the new data offer greatly improved color measurements of the high-redshift SNe and hence improved host galaxy extinction estimates. These extinction measurements show no anomalous negative E(B-V) at high redshift. The precision of the measurements is such that it is possible to perform a host galaxy extinction correction directly for individual SNe without any assumptions or priors on the parent E(B-V) distribution. Our cosmological fits using full extinction corrections confirm that dark energy is required with P(ΩΛ > 0) > 0.99, a result consistent with previous and current SN analyses that rely on the identification of a low-extinction subset or prior assumptions concerning the intrinsic extinction distribution.

We present a new compilation of Type Ia supernovae (SNe Ia), a new data set of low-redshift nearby-Hubble-flow SNe, and new analysis procedures to work with these heterogeneous compilations. This "Union" compilation of 414 SNe Ia, which reduces to 307 SNe after selection cuts, includes the recent large samples of SNe Ia from the Supernova Legacy Survey and ESSENCE Survey, the older data sets, as well as the recently extended data set of distant supernovae observed with the Hubble Space Telescope (HST). A single, consistent, and blind analysis procedure is used for all the various SN Ia subsamples, and a new procedure is implemented that consistently weights the heterogeneous data sets and rejects outliers. We present the latest results from this Union compilation and discuss the cosmological constraints from this new compilation and its combination with other cosmological measurements (CMB and BAO). The constraint we obtain from supernovae on the dark energy density is ΩΛ = 0.713+ 0.027−0.029(stat)+ 0.036−0.039(sys) , for a flat, ΛCDM universe. Assuming a constant equation of state parameter, w, the combined constraints from SNe, BAO, and CMB give w = − 0.969+ 0.059−0.063(stat)+ 0.063−0.066(sys) . While our results are consistent with a cosmological constant, we obtain only relatively weak constraints on a w that varies with redshift. In particular, the current SN data do not yet significantly constrain w at z > 1. With the addition of our new nearby Hubble-flow SNe Ia, these resulting cosmological constraints are currently the tightest available.

Abstract The Astropy Project supports and fosters the development of open-source and openly developed Python packages that provide commonly needed functionality to the astronomical community. A key element of the Astropy Project is the core package astropy , which serves as the foundation for more specialized projects and packages. In this article, we provide an overview of the organization of the Astropy project and summarize key features in the core package, as of the recent major release, version 2.0. We then describe the project infrastructure designed to facilitate and support development for a broader ecosystem of interoperable packages. We conclude with a future outlook of planned new features and directions for the broader Astropy Project.

We combine high redshift Type Ia supernovae from the first 3 years of the Supernova Legacy Survey (SNLS) with other supernova (SN) samples, primarily at lower redshifts, to form a high-quality joint sample of 472 SNe (123 low-$z$, 93 SDSS, 242 SNLS, and 14 {\it Hubble Space Telescope}). SN data alone require cosmic acceleration at >99.9% confidence, including systematic effects. For the dark energy equation of state parameter (assumed constant out to at least $z=1.4$) in a flat universe, we find $w = -0.91^{+0.16}_{-0.20}(\mathrm{stat}) ^{+0.07}_{-0.14} (\mathrm{sys})$ from SNe only, consistent with a cosmological constant. Our fits include a correction for the recently discovered relationship between host-galaxy mass and SN absolute brightness. We pay particular attention to systematic uncertainties, characterizing them using a systematics covariance matrix that incorporates the redshift dependence of these effects, as well as the shape-luminosity and color-luminosity relationships. Unlike previous work, we include the effects of systematic terms on the empirical light-curve models. The total systematic uncertainty is dominated by calibration terms. We describe how the systematic uncertainties can be reduced with soon to be available improved nearby and intermediate-redshift samples, particularly those calibrated onto USNO/SDSS-like systems.

We report on work to increase the number of well-measured Type Ia supernovae (SNe Ia) at high redshifts. Light curves, including high signal-to-noise Hubble Space Telescope data, and spectra of six SNe Ia that were discovered during 2001, are presented. Additionally, for the two SNe with z > 1, we present ground-based J-band photometry from Gemini and the Very Large Telescope. These are among the most distant SNe Ia for which ground-based near-IR observations have been obtained. We add these six SNe Ia together with other data sets that have recently become available in the literature to the Union compilation. We have made a number of refinements to the Union analysis chain, the most important ones being the refitting of all light curves with the SALT2 fitter and an improved handling of systematic errors. We call this new compilation, consisting of 557 SNe, the Union2 compilation. The flat concordance ΛCDM model remains an excellent fit to the Union2 data with the best-fit constant equation-of-state parameter w = −0.997+0.050−0.054(stat)+0.077−0.082(stat + sys together) for a flat universe, or w = −1.038+0.056−0.059(stat)+0.093−0.097(stat + sys together) with curvature. We also present improved constraints on w(z). While no significant change in w with redshift is detected, there is still considerable room for evolution in w. The strength of the constraints depends strongly on redshift. In particular, at z ≳ 1, the existence and nature of dark energy are only weakly constrained by the data.

We present photometric properties and distance measurements of 252 high redshift Type Ia supernovae (0.15 < z < 1.1) discovered during the first three years of the Supernova Legacy Survey (SNLS). These events were detected and their multi-colour light curves measured using the MegaPrime/MegaCam instrument at the Canada-France-Hawaii Telescope (CFHT), by repeatedly imaging four one-square degree fields in four bands. Follow-up spectroscopy was performed at the VLT, Gemini and Keck telescopes to confirm the nature of the supernovae and to measure their redshifts. Systematic uncertainties arising from light curve modeling are studied, making use of two techniques to derive the peak magnitude, shape and colour of the supernovae, and taking advantage of a precise calibration of the SNLS fields. A flat LambdaCDM cosmological fit to 231 SNLS high redshift Type Ia supernovae alone gives Omega_M = 0.211 +/- 0.034(stat) +/- 0.069(sys). The dominant systematic uncertainty comes from uncertainties in the photometric calibration. Systematic uncertainties from light curve fitters come next with a total contribution of +/- 0.026 on Omega_M. No clear evidence is found for a possible evolution of the slope (beta) of the colour-luminosity relation with redshift.

We present observational constraints on the nature of dark energy using the Supernova Legacy Survey three-year sample (SNLS3) of Guy et al. and Conley et al. We use the 472 Type Ia supernovae (SNe Ia) in this sample, accounting for recently discovered correlations between SN Ia luminosity and host galaxy properties, and include the effects of all identified systematic uncertainties directly in the cosmological fits. Combining the SNLS3 data with the full WMAP7 power spectrum, the Sloan Digital Sky Survey luminous red galaxy power spectrum, and a prior on the Hubble constant H0 from SHOES, in a flat universe we find Ωm = 0.269 ± 0.015 and w = −1.061+0.069− 0.068 (where the uncertainties include all statistical and SN Ia systematic errors)—a 6.5% measure of the dark energy equation-of-state parameter w. The statistical and systematic uncertainties are approximately equal, with the systematic uncertainties dominated by the photometric calibration of the SN Ia fluxes—without these calibration effects, systematics contribute only a ∼2% error in w. When relaxing the assumption of flatness, we find Ωm = 0.271 ± 0.015, Ωk = −0.002 ± 0.006, and w = −1.069+0.091− 0.092. Parameterizing the time evolution of w as w(a) = w0 + wa(1 − a) gives w0 = −0.905 ± 0.196, wa = −0.984+1.094− 1.097 in a flat universe. All of our results are consistent with a flat, w = −1 universe. The size of the SNLS3 sample allows various tests to be performed with the SNe segregated according to their light curve and host galaxy properties. We find that the cosmological constraints derived from these different subsamples are consistent. There is evidence that the coefficient, β, relating SN Ia luminosity and color, varies with host parameters at >4σ significance (in addition to the known SN luminosity–host relation); however, this has only a small effect on the cosmological results and is currently a subdominant systematic.

Abstract Merging and interactions can radically transform galaxies. However, identifying these events based solely on structure is challenging as the status of observed mergers is not easily accessible. Fortunately, cosmological simulations are now able to produce more realistic galaxy morphologies, allowing us to directly trace galaxy transformation throughout the merger sequence. To advance the potential of observational analysis closer to what is possible in simulations, we introduce a supervised deep learning Convolutional Neural Network (CNN) and Vision Transformer (ViT) hybrid framework, Mummi (MUlti Model Merger Identifier). Mummi is trained on realism-added synthetic data from IllustrisTNG100-1, and is comprised of a multi-step ensemble of models to identify mergers and non-mergers, and to subsequently classify the mergers as interacting pairs or post-mergers. To train this ensemble of models, we generate a large imaging dataset of 6.4 million images targeting UNIONS with RealSimCFIS. We show that Mummi offers a significant improvement over many previous machine learning classifiers, achieving 95% pure classifications even at Gyr long timescales when using a jury-based decision making process, mitigating class imbalance issues that arise when identifying real galaxy mergers from z = 0 to 0.3. Additionally, we can divide the identified mergers into pairs and post-mergers at 96% success rate. We drastically decrease the false positive rate in galaxy merger samples by 75%. By applying Mummi to the UNIONS DR5-SDSS DR7 overlap, we report a catalog of 13,448 high confidence galaxy merger candidates. Finally, we demonstrate that Mummi produces powerful representations solely using supervised learning, which can be used to bridge galaxy morphologies in simulations and observations.