[論文レビュー] Hierarchical search for compact binary coalescences in the Advanced LIGO's first two observing runs

K. Soni, B. U. Gadre+2 more|arXiv (Cornell University)|Jun 16, 2021

Pulsars and Gravitational Waves Research参考文献 60被引用数 9

ひとこと要約

本論文は、アドバンスド・リゴの初回2回の観測期間におけるコンパクト二重星合体（CBC）検索のための階層的マッチドフィルタリングパイプラインの、初めてのエンド・ツー・エンド実装を、PyCBCを用いて提示する。2段階の検索—粗いテンプレートマッチング followed by より細かい調整—を採用することで、計算コストを20倍削減しつつ、GWTC-1のすべてのイベントを同等の感度で回復する。注入実験およびバックグラウンドスケーリングによる検証が行われた。

ABSTRACT

Detection of many compact binary coalescences (CBCs) is one of the primary goals of the present and future ground-based gravitational-wave (GW) detectors. While increasing the detectors' sensitivities will be crucial in achieving this, efficient data analysis strategies can play a vital role. With given computational power in hand, efficient data analysis techniques can expand the size and dimensionality of the parameter space to search for a variety of GW sources. Matched filtering based analyses that depend on modeled signals to produce adequate signal-to-noise ratios for signal detection may miss them if the parameter space is too restrained. Specifically, the CBC search is currently limited to non-precessing binaries only, where the spins of the components are either aligned or anti-aligned to the orbital angular momentum. A hierarchical search for CBCs is thus well motivated. The first stage of this search is performed by matched filtering coarsely sampled data with a coarse template bank to look for candidate events. These candidates are then followed up for a finer search around the vicinity of an event's parameter space. Performing such a search leads to enormous savings in computational cost. Here we report the first successful implementation of the hierarchical search as a PyCBC-based production pipeline to perform a complete analysis of LIGO observing runs. With this, we analyze Advanced LIGO's first and second observing run data. We recover all the events detected by the PyCBC (flat) search in the first GW catalog, GWTC-1, published by the LIGO-Virgo collaboration, with nearly the same significance using a scaled background. In the analysis, we get an impressive factor of 20 reduction in computation compared to the flat search. With a standard injection study, we show that the sensitivity of the hierarchical search remains comparable to the flat search within the error bars.

研究の動機と目的

• アドバンスド・リゴのデータにおけるコンパクト二重星合体（CBC）の計算的に効率的な階層的検索パイプラインの開発および実装。
• マッチドフィルタリングに基づく CBC 検索の計算コストを低下させつつ、検出感度を損なわないこと。
• 多段階でかつパラメータ空間に適応するアプローチを可能にすることで、前進する二重星を含む検索を拡張すること。
• 実データおよび注入を用いて、標準のフラット検索と比較して階層的パイプラインを検証すること。
• 現在の計算リソースを用いても、高次元パラメータ空間への CBC 検索のスケーリングの可能性を示すこと。

提案手法

• パイプラインは2段階の階層的アプローチを採用：まず、粗いテンプレートバンクがデータに対してマッチドフィルタリングを実行し、候補トリガーを特定する。
• 1段階目の候補は、その局所的なパラメータ空間でより密度の高いテンプレートバンクを用いて、その後続の精査が行われる。
• この手法は1段階目で可変サンプリングレートを採用し、テンプレート数を削減することで、計算負荷を低減する。
• 検索はPyCBCフレームワーク内でのプロダクションパイプラインとして実装されており、既存のリゴデータ解析ワークフローへの統合を可能にする。
• 時間、位相、天球位置の一貫性を用いて、複数の検出器間の一致トリガーを特定し、誤報を低減する。
• 感度はスケーリングされたノイズバックグラウンドと標準的な注入実験を用いて検証され、フラット検索との検出効率を比較した。

実験結果

リサーチクエスチョン

• RQ1 階層的検索戦略は、実リゴデータにおけるCBC信号の感度を維持したまま、計算コストを桁違いに削減できるか？
• RQ2 階層的パイプラインの検出効率は、信号回復率および誤報率の観点から、標準のフラット検索と比べてどの程度か？
• RQ3 階層的アプローチは、前進する二重星や高次元パラメータ空間への拡張に、どの程度までスケーリング可能か？
• RQ4 2段階アプローチは、弱いまたは複雑な信号に対して、フラット検索と同等の検出イベントの有意性を保持できるか？
• RQ5 階層的パイプラインは、完全な観測期間解析のためのプロダクショングレードのツールとして、PyCBCエコシステム内で効果的に展開可能か？

主な発見

• 階層的検索は、標準のフラット PyCBC 検索と比較して計算コストを20倍削減したが、GWTC-1の11件のすべてのイベントをほぼ同一の有意水準で回復した。
• GWTC-1カタログに記録されたすべてのイベントが、階層的パイプラインによって正常に回復され、その感度がフラット検索と同等であることが確認された。
• 注入実験の結果、階層的パイプラインは、さまざまな信号対雑音比において、フラット検索と統計的誤差範囲内で同等の検出感度を維持していた。
• パイプラインは、高質量および非対称二重星を含む多様なパラメータ空間領域において、信号検出の強靭性を示した。
• PyCBCベースのプロダクションパイプラインとしての実装により、既存のリゴデータ解析ワークフローへのシームレスな統合が可能になった。
• この手法により、将来、前進する二重星や高次元パラメータ空間への拡張が、計算コストの著しい増加を伴わずに可能になる。