Origin of the gamma-ray emission in AGN jets — A multi-wavelength photometry and polarimetry data analysis of the quasar 3C279 INAUGURAL-DISSERTATION zur Erlangung des Doktorgrades der Mathemathisch-Naturwissenschaftlichen Fakulta¨t der Universita¨t zu K¨oln vorgelegt von Kiehlmann, Sebastian aus Moers, Deutschland Ko¨ln 2015 II Berichterstatter: Prof. Dr. J. A. Zensus Prof. Dr. A. Eckart Tag der mu¨ndlichen Pru¨fung: 26. Juni 2015 Abstract One of the main topics regarding the physics of AGN jets is the origin of the γ-ray emission. The favoured model explaining the production of high energy radiation in blazars is inverse Compton scattering. Though numerically and empirically successfully tested, two major questions remain topics of substantial discussion: First, where is the seed photon field coming from? Does it originate in the jet itself (synchrotron self-Compton (SSC)) or in the accretion disc, the dust torus or the broad line region (external Compton (EC))? And second, where in the jet does the inverse Compton scattering take place? This thesis aims to locate the γ-ray emission site in the archetypical blazar 3C279 based on the multi-frequency photometry data provided by the Quasar Movie Project. This data set includes 140 light curves at more than twenty bands, providing dense sampling in frequency and time domain over more than two years. Thesedataallowustoanalysethevariabilityofthelightcurvesandtoperformcross- correlation analysis over a large range of frequencies. We estimate the variability power spectra at 26 frequencies. We find similar indices of a power-law spectrum at sub-mm bands and X-rays on the one hand, and at ultraviolet and γ-rays on the other hand. Additionally, we find a strong correlation between X-rays and the 1mm light curve at short variability time scales. We can infer that the X-ray emission site is located at the mm VLBI core and that X-rays are produced either by synchrotron self-Compton scattering of mm-wavelength synchrotron photons or by external Compton scattering of photons originating from the cosmic microwave background. The correlation between X-rays, γ-rays, and optical bands exhibits complex behaviour. Time lags between the bands change over time, indicating probably different emission sites and different physical conditions. But we find some indication that the γ-ray emission site is located, at least occasionally, at the mm VLBI core. Thus, it is located beyond the broad line region, where infrared photons either from the jet itself or from the dust torus may serve as seed photons for the inverse Compton scattering to GeV energies. Another major topic of ongoing discussion regards the structure of the magnetic field in the jets. The observed synchrotron radiation in the spectral regime from radio to x-rays and the polarization of the radiation are direct evidence for the existence of magnetic fields in the jets. Furthermore current jet models require magnetic fields to explain the launching and acceleration of jets. But the structure of the magnetic field is unknown. Long, smooth continuous variation of the electric vector position angle (EVPA) and very long baseline interferometry (VLBI) rotation measure studies indicate helical magnetic field structures. Whereas erratic EVPA variation indicates a tangled magnetic field structure and shocks traversing a turbulent medium may temporarily order the tangled magnetic field to produce smooth EVPA changes. The combined optical polarimetry data provided by the Quasar Movie Project yields an unprecedentedly well sampled polarization curve of 3C279 which shows III IV strong variability with rotations of the polarization angle in both directions with different rotation rates and amplitudes. We introduce various, new methods to analyse the polarization variability. We test different classes of stochastic models against the observed data and come to the conclusion that the polarization variability of 3C279 is following two different processes. During a low brightness state the polarization is consistent with a stochastic process. During a flaring state the variability is dominated by a different process. The preferred model is that of an emission feature on a helical path in a helical magnetic field. Kurzzusammenfassung Die Frage nach dem Ursprung der γ-Strahlung ist eines der wesentlichen Themen auf dem Gebiet der Physik aktiver Galaxienkerne. Inverse Compton-Streuung ist das bevorzugte Modell, um die Erzeugung von hochenergetischer Strahlung in Blazaren zu erkl¨aren. Obwohl dieses Modell numerisch und empirisch erfolgreich getestet ist, bleiben zwei wesentliche Fragen bislang offen: Erstens, woher stammen die urspru¨nglichen Photonen, die zu h¨oherer Energie gestreut werden? Werden diese im Jet selbst erzeugt (synchrotron Selbst-Compton (SSC)-Streuung), oder stammen sie aus einer externen Region (externe Compton (EC)-Streuung) wie der Akkretionsscheibe, dem Staubtorus oder der Broad Line Region? Zweitens, wo im Jet findet der Streuprozess statt? Diese Doktorarbeit versucht das Emissionsgebiet der γ-Strahlung im Blazar 3C279 anhand von photometrischen Daten, beobachtet bei einer Vielzahl von Frequenzen, zu lokalisieren. Diese Daten werden durch das Quasar Movie Project zur Verfu¨gung gestellt und beinhalten 140 Lichtkurven beiu¨ber zwanzig Frequenzen. Damit bietet der Datensatz eine hohe Abtastrate sowohl im Zeit-, wie im Fre- quenzbereichu¨bereinenZeitraumvonu¨berzweiJahren. DieseDatenermo¨glichenes die Variabilita¨t der Lichtkurven zu untersuchen und eine Kreuzkorrelationsanalyse u¨ber einen großen Frequenzbereich durchzufu¨hren. Wir scha¨tzen die spektralen En- ergiedichte der Lichtkurvenvariation in 26 verschienden Frequenzban¨dern ein. Zum Einen finden wir eine vergleichbare Verteilung der Energiedichte fu¨r die R¨ontgen- und die sub-mm-Strahlung, zum Anderen eine vergleichbare Verteilung fu¨r die ultraviolette und die γ-Strahlung. Zudem zeigt sich eine starke Korrelation zwis- chen der Kurzzeitvariabilita¨t der Ro¨ntgenstrahlung und der mm-Strahlung. Daraus schließen wir, dass die Ro¨ntgenstrahlung in der Na¨he des mm-VLBI-Kernes erzeugt wird, entweder durch Selbst-Compton-Streuung von mm-Synchrotronstrahlung oder durch externe Compton-Streuung von Photonen der kosmischen Mikrowellenhin- tergrundstrahlung. Die Korrelation zwischen γ-Strahlung, R¨ontgenstrahlung und optischerStrahlungzeigteinkomplexesVerhalten. DieVerzo¨gerungenderVariation zwischen verschiedenen Frequenzbereichen sind zeitlich variable. Dieses Verhal- ten ist m¨oglicherweise ein Hinweis darauf, dass diese Strahlung an verschiedenen Stellen, unter unterschiedlichen physikalischen Bedingungen erzeugt wird. Dennoch finden wir Anzeichen dafu¨r, dass das Emissionsgebiet der γ-Strahlung, zumindest zeitweilig, mit der Position des mm VLBI Kernes u¨bereinstimmt. Damit liegt das Emissionsgebiet außerhalb der Broad Line Region. Somit kommen als urspru¨ngliche Photonen fu¨r die inverse Compton-Streuung zu ho¨herer Energie lediglich Strahlung im Infrarotbereich in Frage, welche entweder im Jet selbst oder vom Staubtorus emittiert wird. Ein weiteres Thema andauernder Diskussion betrifft die Struktur des Magnet- feldes im Jet. Die beobachtete Synchrotronstrahlung u¨ber das gesamte Spektrum vom Radiobereich bis hin zur Ro¨ntgenstrahlung und die kennzeichnende Polarisa- tion dieser Strahlung ist ein direkter Beweis fu¨r die Existenz von Magnetfeldern V VI in Jets. Des Weiteren sind Modelle, die aktuell zur Erkl¨arung des Usprunges und der Beschleunigung von Jets herangezogen werden, wesentlich auf die Existenz von Magnetfeldern angewiesen. Dennoch ist die Struktur der Magnetfelder bislang unbekannt. Lange, kontinuierliche und glatte Verl¨aufe, die die Ver¨anderung des Polarisationswinkels anzeigen sowie Messungen der Faraday-Rotation auf Basis von VLBI-Daten deuten auf eine Helixstruktur des Magnetfeldes hin. Die sprunghafte Variation des Polarisationswinkels wiederum deutet auf ein chaotisches Magnetfeld. Dieses ungeordnete Magnetfeld kann durch eine Schockfront, die das turbulente Medium durchl¨auft, kurzweilig komprimiert werden und dadurch geordnet er- scheinen. Dies kann auch bei einer chaotischen Magnetfeldstruktur zu glatten Verl¨aufen der Polarisationswinkelver¨anderung fu¨hren. Die kombinierten Polarisationsdaten im optischen Frequenzbereich, die durch das Quasar Movie Project bereitgestellt werden, bilden die Polarisationsvariation von 3C279 mit sehr hoher zeitlicher Abtastrate ab. Diese Daten zeigen eine hohe Variabilita¨t des Polarisationswinkels. Rotationen in beide Richtungen treten auf mit variierenden Rotationsgeschwindigkeiten und -amplituden. Wir stellen verschiedene, neue Methoden vor, um Polarisationsdaten zu analysieren. Wir testen unterschiedliche Klassen von stochastischen Prozessen gegen die Daten und schlussfolgern, dass 3C279 zwei verschiedenen Prozessen unterworfen ist, die die Variation der Polarisation erkl¨aren. Im Zustand geringer Intensit¨at ist die Po- larisationsvariation konsistent mit einem stochastischem Prozess. Wiederum im Zustand starker Intensita¨tsausbru¨che kann die Variation nicht durch einen der hier beschriebenen stochastischen Prozesse beschrieben werden. Das bevorzugte Modell, welches die Variation in diesem Zustand beschrieben kann, ist das eines Emis- sionsgebietes, welches sich auf einer spiralf¨ormigen Bahn durch ein spiralf¨ormiges Magnetfeld bewegt. Contents 1 Introduction 1 1.1 Active galactic nuclei . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1.1 Historical review of AGN observations . . . . . . . . . . . . 1 1.1.2 Unified AGN model and radiation processes . . . . . . . . . 2 1.1.3 AGN classification . . . . . . . . . . . . . . . . . . . . . . . 4 1.2 Blazars . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.2.1 Relativistic effects . . . . . . . . . . . . . . . . . . . . . . . . 5 1.2.2 Jet launching, acceleration and collimation . . . . . . . . . . 7 1.2.3 Spectra and emission processes . . . . . . . . . . . . . . . . 7 1.2.4 Polarization . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.3 The Quasar Movie Project . . . . . . . . . . . . . . . . . . . . . . . 11 1.4 3C 279 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2 Photometry data 15 2.1 Data processing methods: . . . . . . . . . . . . . . . . . . . . . . . 15 2.1.1 Cross-calibration . . . . . . . . . . . . . . . . . . . . . . . . 15 2.1.2 Iterative averaging . . . . . . . . . . . . . . . . . . . . . . . 18 2.1.3 Extinction correction . . . . . . . . . . . . . . . . . . . . . . 19 2.1.4 Flux scale conversion . . . . . . . . . . . . . . . . . . . . . . 20 2.2 Radio, mm and sub-mm data . . . . . . . . . . . . . . . . . . . . . 21 2.3 Infra-red, optical, and ultraviolet data . . . . . . . . . . . . . . . . 21 2.4 X-ray data . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.5 Gamma-ray data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 2.6 The final multi-wavelength data set . . . . . . . . . . . . . . . . . . 28 3 Multi-wavelength flux variability 31 3.1 3C279 light curves . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3.2 Estimation of the light curve probability density functions . . . . . 33 4 Power spectral densities 37 4.1 Estimation of the raw power spectrum . . . . . . . . . . . . . . . . 37 4.1.1 The necessity of a window function . . . . . . . . . . . . . . 38 4.1.2 Red noise leakage and linear de-trending . . . . . . . . . . . 40 4.1.3 Aliasing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.1.4 Splitting and re-sampling the data . . . . . . . . . . . . . . 45 4.2 Light curve simulation . . . . . . . . . . . . . . . . . . . . . . . . . 46 4.2.1 Generating Gaussian noise . . . . . . . . . . . . . . . . . . . 46 4.2.2 Fitting the spectral amplitude . . . . . . . . . . . . . . . . . 48 4.2.3 Matching the light curve variance . . . . . . . . . . . . . . . 49 4.2.4 Generating noise following both the desired Power Spectral Density (PSD) and Probability Density Function (PDF) . . 49 VII VIII CONTENTS 4.2.5 Stability of the spectral index . . . . . . . . . . . . . . . . . 50 4.2.6 Re-sampling and re-binning to uneven grid . . . . . . . . . . 51 4.2.7 Error simulation . . . . . . . . . . . . . . . . . . . . . . . . 53 4.2.8 Light curve simulation for PSD estimation . . . . . . . . . . 53 4.3 Estimation of the intrinsic power spectrum . . . . . . . . . . . . . . 54 4.3.1 Best model parameter . . . . . . . . . . . . . . . . . . . . . 54 4.3.2 p-value and confidence interval . . . . . . . . . . . . . . . . 55 4.3.3 Reliability test . . . . . . . . . . . . . . . . . . . . . . . . . 56 4.4 B-band and 9mm-band power spectral analysis . . . . . . . . . . . 57 4.5 Multi-wavelength power spectral analysis . . . . . . . . . . . . . . . 62 4.6 Stationarity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 4.7 Summary of the PSD analysis . . . . . . . . . . . . . . . . . . . . . 67 5 Cross-correlation analysis 71 5.1 Methods of the cross-correlation analysis . . . . . . . . . . . . . . . 71 5.1.1 Estimation of the cross-correlation function . . . . . . . . . 71 5.1.2 Significance of the cross-correlation function . . . . . . . . . 73 5.1.3 Time lag uncertainty . . . . . . . . . . . . . . . . . . . . . . 77 5.2 DCF analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 5.2.1 Cross-correlation of the radio bands . . . . . . . . . . . . . . 78 5.2.2 Cross-correlation of the ultraviolet, optical, infrared bands . 83 5.2.3 Cross-correlation of best sampled light curves . . . . . . . . 84 5.3 Summary of the correlation analysis . . . . . . . . . . . . . . . . . . 95 6 Polarization 99 6.1 Introduction to polarization and polarimetry . . . . . . . . . . . . . 99 6.2 Polarimetry data . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 6.3 EVPA ambiguity . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103 6.3.1 Reliability of the Electric Vector Position Angle (EVPA) adjustment . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 6.4 Optical EVPA variation of 3C279 . . . . . . . . . . . . . . . . . . . 109 6.5 mm and cm EVPA variation of 3C279 . . . . . . . . . . . . . . . . 112 6.6 EVPA variation estimator . . . . . . . . . . . . . . . . . . . . . . . 113 6.6.1 Error bias of the variation estimator . . . . . . . . . . . . . 114 6.6.2 Curvature bias of the variation estimator . . . . . . . . . . . 117 6.7 EVPA rotation identification . . . . . . . . . . . . . . . . . . . . . . 119 6.7.1 Rotation identification algorithm . . . . . . . . . . . . . . . 119 6.7.2 Testing the rotation identification . . . . . . . . . . . . . . . 121 6.8 Polarization properties of 3C 279 . . . . . . . . . . . . . . . . . . . 122 7 Random walk polarization model 129 7.1 Definition of the random walk models . . . . . . . . . . . . . . . . . 129 7.1.1 Randomized time sampling . . . . . . . . . . . . . . . . . . . 129 7.1.2 Simple Q, U random walk process . . . . . . . . . . . . . . . 130 7.1.3 Shock Q, U random walk process, I uniform . . . . . . . . . 131 7.1.4 Shock Q, U random walk process, I decreasing . . . . . . . . 131 7.1.5 Integrated polarization . . . . . . . . . . . . . . . . . . . . . 132 7.1.6 Simulated EVPA errors . . . . . . . . . . . . . . . . . . . . . 132 7.1.7 Prior distribution selection . . . . . . . . . . . . . . . . . . . 133 7.2 Model analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134 7.2.1 Dependency on input parameters . . . . . . . . . . . . . . . 135 CONTENTS IX 7.2.2 Dependencies between measured parameters . . . . . . . . . 140 7.2.3 Model comparison . . . . . . . . . . . . . . . . . . . . . . . 141 7.3 Expectation values of the fractional polarization . . . . . . . . . . . 146 7.4 Test random walk polarization models against observations . . . . . 148 7.4.1 Period IIa: parameter distributions . . . . . . . . . . . . . . 148 7.4.2 Period IIa: probability . . . . . . . . . . . . . . . . . . . . . 153 7.4.3 Period IIIc: parameter distributions . . . . . . . . . . . . . . 155 7.4.4 Period IIIc: probability . . . . . . . . . . . . . . . . . . . . . 158 7.5 Distribution of rotation amplitudes . . . . . . . . . . . . . . . . . . 158 7.6 Conclusion: two classes of processes . . . . . . . . . . . . . . . . . . 161 8 Deterministic polarization variation models 163 9 Summary and outlook 167 X CONTENTS
Description: