M82 Chandra → SQUDE Mock Spectrum 教程

三张图刻意分开。图 1 只有 Chandra 数据、Chandra-RMF-folded total model 及其响应卷积后的物理成分；图 2 只有 SQUDE mock 数据及其 SQUDE-RMF model；图 3 才把 SQUDE mock、SQUDE model 和 Chandra-RMF model 放在同一个坐标系中。没有经验多项式或图像级缩放。

图 1 · Chandra4′×4′ ACIS PHA，50 counts/bin，458 个显示 bin；total model 与每个物理成分均经 Chandra response folding。

图 2 · SQUDE mock同一 Chandra best-fit source model，经 SQUDE ARF/RMF 产生的 50 ks seeded fake_pha。

图 3 · RMF control同一 source 与 SQUDE ARF，仅将 redistribution 替为 Chandra RMF。

1. Chandra ACIS data + total model + physical components

这是原始 Chandra 4′×4′ 合并 ACIS 谱，不含 SQUDE mock 数据或 SQUDE response。黑点是 Chandra 数据；橙色是经 Chandra RMF 前向折叠并守恒重分箱到同一 458 个数据 bin 的 total model；虚线/点线是五个物理成分，各自也经过同一 Chandra response folding 和数据-bin 重分箱，并非未卷积的源谱。

tbabs_Gal × [tbabs_wind × (vapec_cool + vapec_hot + 2 Gaussian) + tbabs_PL × powerlaw]

Chandra ACIS data, Chandra-RMF-folded total model and physical components — 图 1。Chandra only：458 个 group=50 数据 bin；黑色 data、橙色 total model，以及 cool/hot vapec、两条 CX Gaussian 和 absorbed power-law 成分。所有模型曲线均经过 Chandra response folding。

下载 1-column PNG 下载 2-column PNG

科学限定：此 source-only baseline 在当前 CIAO 4.18 重跑中为 χ²_Gehrels/dof = 1125.65/444 = 2.535。它用于可复现的 response-propagation tutorial，不作为最终发表级的 M82 物理拟合；所画成分仅用于展示模型分解，不改善或掩盖该拟合限制。

2. SQUDE mock data + SQUDE model

将图 1 的 fitted source model 以 SQUDE ARF v1.1.1、RMF v1.1.2 和 50 ks exposure 调用 fake_pha。通过 set_rng(numpy.random.default_rng(20260719)) 固定 Sherpa UI-session Poisson RNG；此 realization 为 58,298 raw counts。图为 linear–linear。

set_rng(numpy.random.default_rng(20260719))
set_source(2, chandra_bestfit_model)
fake_pha(2, arf="SQUDE_rsp_v1.1.1.arf", rmf="SQUDE_rsp_v1.1.2.rmf",
         exposure=50000.0, grouped=False, method=poisson_noise)

SQUDE mock data and SQUDE model — 图 2。SQUDE only：黑色为新生成的 SQUDE mock data，橙色为同一模型经 SQUDE RMF 的预测。

下载 1-column PNG 下载 2-column PNG

3. SQUDE mock + SQUDE model + Chandra-RMF model

这是唯一的三曲线比较图。黑点仍是图 2 的 SQUDE mock data；橙线仍是 SQUDE RMF model；黑色 dash-dot 为同一 best-fit source 但使用 Chandra RMF 的曲线。两条模型都使用同一个 SQUDE ARF，所以差异只来自 RMF redistribution。

r^control_i = Σ_j R^Chandra_ij F_j A^SQUDE_j；随后按输出 bin overlap 守恒重分箱至 SQUDE data grid。

SQUDE mock data with SQUDE RMF and Chandra RMF models — 图 3。三个对象：SQUDE mock data、SQUDE-RMF model，以及 Chandra-RMF model (SQUDE ARF)。CCD redistribution 使黑色 control 平滑并混合窄谱特征。

下载 1-column PNG 下载 2-column PNG 下载模型曲线 CSV

三分区扩展：North / Center / South

以下每个 region 均使用自己的 Chandra PHA/ARF/RMF。第一张图显示该 region 的真实 Chandra data、Chandra-response-folded total 及五个物理成分；第二张图使用同一 region source model 经 SQUDE ARF/RMF 生成独立 seed 的 50 ks fake_pha，并显示 SQUDE-folded model。

Region	Chandra bins	baseline rstat	0.3–4 keV thermal fraction	SQUDE raw counts / seed
North wind 80″×80″	176	1.096	95.8%	3,636 / 2026071901
Center starburst 40″×80″	459	8.609	88.8%	27,720 / 2026071902
South wind 80″×80″	154	1.199	87.8%	4,916 / 2026071903

Center 限定：旧 center 自由拟合为 rstat=7.72、kT≈15 keV 且 power-law 主导，物理上不可用。本页不采用该解；center 改用 APEC-dominated constrained baseline（kT_cool≤2 keV、powerlaw.ampl≤10⁻³）。它仍有 rstat=8.61，仅用于演示 response propagation，不代表可信的中心区物理拟合。

数值验证与复现

检查	结果
显式 Chandra RMF operator vs Sherpa native fold	p95 relative error = 2.45×10⁻¹⁵
Chandra total vs Chandra-response-folded 物理成分和	p95 relative error = 2.83×10⁻¹⁵
SQUDE total vs 物理成分和	p95 relative error = 5.92×10⁻¹⁶
三分区 Chandra component closure	每区 p95 ≤ 3.42×10⁻¹⁵
三分区 SQUDE component closure	每区 p95 ≤ 6.28×10⁻¹⁶

cd ~/program/M82
export ASCDS_OVERRIDE=1
source ~/software/ciao-4.18/bin/ciao.sh -q
export PFILES="$PWD/pfiles;$ASCDS_INSTALL/param:"
python scripts/make_m82_mock_tutorial_figure_set.py
python scripts/make_m82_three_region_mock_tutorial_figures.py

下载完整可执行脚本

SQUDE M82

1. Chandra ACIS data + total model + physical components

2. SQUDE mock data + SQUDE model

3. SQUDE mock + SQUDE model + Chandra-RMF model

三分区扩展：North / Center / South

North wind · 80″×80″

Center starburst · 40″×80″

South wind · 80″×80″

数值验证与复现