X線CCD新イベント抽出法の 「すざく」データへの適用

Presentation on theme: "X線CCD新イベント抽出法の 「すざく」データへの適用"— Presentation transcript:

1 X線CCD新イベント抽出法の 「すざく」データへの適用
河手香織・蔵本哲也 （松本班）

2 目次 原理 検出器 イベント抽出法 天体データ Fitting法の適用 X線判定条件の決定 解析結果 課題と展望

3 原　　理

4 X線CCD X線 電極 空乏層 (Si) 電子雲 光電吸収

5 前面照射型(FI)と裏面照射型(BI)

6 XIS (X-ray Imaging Spectrometer)
すざく衛星に搭載されているX線CCDカメラ (XIS-0,2,3‥FI, XIS-1‥BI) 視野 17.8′×17.8′ エネルギー帯域 0.2～12keV 有効画数 1024×1024 1画素のサイズ 24μm×24μm

7 較正用線源 Fe XISには、カメラ毎に較正用線源が取り付けられている。 Mn - Kα : 5.9 keV
55

8 イベント抽出について X線 X線イベント バックグラウンド (宇宙線など) 非X線イベント こうなることを出来るだけ少なくしたい。
実際に入射したもの 判定結果 X線 X線イベント バックグラウンド (宇宙線など) 非X線イベント こうなることを出来るだけ少なくしたい。

9 Grade法 その他 スプリット閾値を超えたピクセルの分布パターンによってX線か否かを判定 X線イベント 中心ピクセル
PHがスプリット閾値以上のピクセル(波高計算に用いる。) PHがスプリット閾値以上のピクセル(波高計算に用いない。)

10 Fitting法 ( ) 直接的に電子雲の広がりを測定 ・対称Gaussian ： ・電子雲の広がり ： 分散 ・エネルギー ： 合計波高値
( ) (x – b) + (y – c) ・対称Gaussian ： gauss (x,y) = a×exp 2 2d ・電子雲の広がり ： 分散 ・エネルギー　　 ： 合計波高値 PH ２次元対称Gaussian イメージ図 5×5 pixel

11 × Fitting法で期待されること ・ ５×５ピクセルで評価できる。
・ Grade法ではスプリット閾値を経験的に決める しかないが、Fitting法では直接的に電子雲を 評価できる。 ・ エネルギー依存性を考慮できる。 ・ Grade法で除去されやすい 　 高エネルギーの広がったX 　 線を拾う。　 Fitting　○ CCDのピクセルを小さくしたほうが解像度がいい⇒より多くのピクセルに広がる。 空乏層が３倍くらいになる⇒広がる。 CCD⇒電子雲の広がりが大きい × Grade　

12 解析の目的 ・ 地上実験では検出効率が数パーセント上がることが確かめられている。 ・ 天体データにFitting法を適用してみる。
　　　　　　　　　　　　　　　　　　　　　　　修士論文　村上弘志 （１９９９） 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　河野誠　　　（２００１） 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　山口弘悦　 （２００５） ・ 天体データにFitting法を適用してみる。

13 今回利用した天体データ(1) E0102-72 座標 RA : 15.9884 deg DEC : - 72.0403 deg 観測時間
4.1598×10　sec 確定されている輝線 　 OⅤⅡ Kα線　(0.57keV) 　 OⅤⅢ Kα線　(0.65keV) 3

14 今回利用した天体データ(2) GC SOUTH
座標 RA : deg DEC : deg 観測時間 1.2958×10 　sec 確定されている輝線 　 SⅩⅤ Kα線　 (2.45keV) 　 ArⅩⅤⅡ Kα線 (3.13keV) 5

15 Fitting法の適用

16 Fitting法カウント数－Grade法カウント数
解析の手順 １．天体データにフィッティング法を適用する。 ２．較正用線源などのX線による 　電子雲の広がり求め、X線判定条件を決定する。 ３．X線イベントを抽出し、スペクトルを作る。 4．イベント増加率とエネルギー分解能を計算し、 　　Grade法と比較する。 Fitting法カウント数－Grade法カウント数 イベント増加率＝ Grade法カウント数

17 Ｆｉｔｔｉｎｇ法におけるX線判定条件 Fitting法では、Gaussianの分散の大きさで X線か否かを判定。
エネルギーによって、広がりはかわってくるはず。 → エネルギー依存性も考慮。 FI : 高エネルギーで広がりが大きい。 　　　　　 BI : 低エネルギーで広がりが大きい。

18 FIのX線判定条件 GC SOUTH (FI) 3.13keV 5.9keV σ [pixel] 0.1 1 8 E [keV]

19 FIのX線判定条件 Count σ [pixel]

20 FIのX線判定条件 GC SOUTH (FI) σ [pixel] X線イベント 0.1 1 8 12 E [keV]

21 BIのX線判定条件 GC SOUTH (BI) σ [pixel] X線イベント 0.5 0.1 1 8 12 E [keV]

22 GC SOUTHのFI型のスペクトル ArⅩⅤⅡKα線 (3.13keV) 6.9% SⅩⅤKα線 (2.45keV)
11.4％ 2.0％　　3.8% % 7.6% ArⅩⅤⅡKα線 (3.13keV) 6.9% SⅩⅤKα線　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 (2.45keV) Cal Source Fe 55 (5.9keV,6.5keV)

23 E0102のFI型のスペクトル 42.6% 13.3% 2.6% OⅤⅡKα線 Cal Source Fe (0.57keV)
42.6% % 　 % OⅤⅡKα線　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 Cal Source Fe 55 (0.57keV) (5.9keV,6.5keV) OⅤⅢKα線　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 (0.65keV)

24 FI型のエネルギー分解能 Fitting : 25.1eV Grade : 19.6eV (@ 1keV)
エネルギー分解能 [%] Fitting : 25.1eV Grade : 19.6eV 1keV) Fitting : 68.5eV Grade : 68.7eV 6.5keV)

25 GC SOUTHのBI型のスペクトル 18.4% % % 4.4% 6.3% 7.0%

26 E0102のBI型のスペクトル 2.9% % 　　　　　　　　　2.1%

27 BI型のエネルギー分解能 Fitting : 28.7eV Grade : 28.1eV (@1keV)
エネルギー分解能 [%] Fitting : 61.0eV Grade : 55.5eV 6.5keV)

28 イベント増加率のエネルギー依存 高エネルギー側で　　　　　　　増加率が高い

29 まとめ（Grade法との比較） ・ イベント検出数はFI型、BI型ともにあがる。 １～８keVでは検出数が数％増加している。
　　　 高エネルギーほどイベント増加率が大きい。 ・ Grade法とあまりかわらないエネルギー分解能　　が得られる。 　　　 FI型の低エネルギー側で分解能が落ちて いる。 　 　 　　　　　　　　　　

30 課題と展望

31 Fitting法の課題 E0102のFI型データ

32 Fitting法の課題（原因） ・ 一方向に広がっているイベントを捨て切れない。 　・ 宇宙線等によるバックグラウンド 　・ 複数のX線が入射

33 Fitting法の課題（対策） ・ 非対称なGaussianでフィットする。

34 御清聴 ありがとうございました。

35 以下、おまけ。

36 一方向のイベントを抜いたFI型スペクトル
E0102のFI型データ

37 X線判定条件の決め方(補足) CCDのcalibration Source部分に対して Fitting法を適用

38 X線判定条件の決め方(補足)

39 X線判定条件の決め方(補足) 2.45keV 3.13keV 5.9keV 6.5keV

40 X線判定条件の決め方(補足) 5.9keV 6.5keV 0.65keV 0.57keV

41 X線判定条件の決め方(補足)

42 X線判定条件の決め方(補足) σ = ×E ＋ 0.259

43 X線判定条件の決め方(補足)

44 X線判定条件の決め方(補足) σ = － ×E ＋ 0.469

45 X線判定条件の決め方(補足)

46 BI型の分解能 GC SOUTH BI型 6.5keV 5.9keV 3.13keV 2.45keV Grade法 ６．２１％ ２．７２％
２．２８％ ３．８６％ Fitting法 ５．０２％ ３．０８％ ３．８５％ E0102　BI型 6.5keV 5.9keV 0.６５keV 0.５７keV Grade法 ２．２９％ ２．３３％ ７．７４％ １０．１％ Fitting法 ２．３４％ ２．３１％ ８．５９％ ９．６０％

47 BI型の分解能 GC SOUTH BI型 6.5keV 5.9keV 3.13keV 2.45keV Grade法 [eV] 174.8
68.3 30.4 52.4 Fitting法 [eV] 138.0 68.8 40.8 44.9 E0102　BI型 6.5keV 5.9keV 0.６５keV 0.５７keV Grade法 [eV] 63.6 58.8 22.0 25.0 Fitting法 [eV] 63.9 58.1 24.3 22.3

48 FI型の分解能 GC SOUTH FI型 6.5keV 5.9keV 3.13keV 2.45keV Grade法 ６．６２％ ２．７６％
２．８４％ ３．８６％ Fitting法 ５．７０％ ２．９６％ ３．６１％ ３．８５％ E0102　FI型 6.5keV 5.9keV 0.６５keV 0.５７keV Grade法 ２．３１％ ２．３８％ ６．０４％ ４．８３％ Fitting法 ２．２９％ ２．３４％ ７．２０％ ２０．５％

49 FI型のエネルギー分解能 GC SOUTH FI型 6.5keV 5.9keV 3.13keV 2.45keV Grade法 [eV]
186.2 69.2 37.8 40.4 Fitting法 [eV] 131.5 69.7 46.5 38.4 E0102　FI型 6.5keV 5.9keV 0.65keV 0.57keV Grade法 [eV] 64.0 59.7 16.8 11.7 Fitting法 [eV] 63.9 58.8 19.4 41.5

50 FI型のエネルギー分解能 Fitting : 19.4eV Grade : 16.8eV (@ 0.65keV)

51 BI型のエネルギー分解能 Fitting : 24.3eV Grade : 22.0eV (@ 0.65keV)

52 Fitting法の課題(3) イベント増加率　2％前後

53 GC SOUTHのBI型のスペクトル 分散を一定にした場合（b<=0.39）

54 GC SOUTHのFI型のスペクトル 分散を一定にした場合（b<=0.41）