[論文レビュー] Mitigating the effect of the population model uncertainty on the strong lensing Bayes factor using nonparametric methods

Damon H. T. Cheung, S. Rinaldi+2 more|arXiv (Cornell University)|Aug 23, 2023

Pulsars and Gravitational Waves ResearchPhysics and Astronomy被引用数 3

ひとこと要約

本研究では、ベイズ因子を用いた強引力レンズ効果検出におけるバイアス低減のため、非パラメトリックな母集団モデリングの利用を提案している。非パラメトリック手法が、重力波データからのレンズ効果を受ける二重ブラックホールイベントを推定する際、パラメトリックモデルと比較して顕著に低いバイアスを示すことを実証している。

ABSTRACT

Strong lensing of gravitational waves can produce several detectable images as repeated events in the upcoming observing runs, which can be detected with the posterior overlap analysis (Bayes factor). The choice of the binary black hole population plays an important role in the analysis as two gravitational-wave events could be similar either because of lensing or astrophysical coincidence. In this study, we investigate the biases induced by different population models on the Bayes factor. We build up a mock catalog of gravitational-wave events following a benchmark population and reconstruct it using both nonparametric and parametric methods. Using these reconstructions, we compute the Bayes factor for lensed pair events by utilizing both models and compare the results with a benchmark model. We show that the use of a nonparametric population model gives a smaller bias than parametric population models. Therefore, our study demonstrates the importance of choosing a sufficiently agnostic population model for strong lensing analyses.

研究の動機と目的

• 天体物理学的母集団モデルの不確実性が、強力なレンズ効果を同定するのにも用いられるベイズ因子に与える影響を調査すること。
• 模擬重力波イベントカタログの再構築において、パラメトリック手法と非パラメトリック手法の性能を比較すること。
• レンズ効果仮説検定において、誤った母集団モデル仮定が引き起こすバイアスを定量化すること。
• 非パラメトリック手法が、強力なレンズ効果解析における母集団推論に対して、よりロバストで偏りのないアプローチを提供することを示すこと。

提案手法

• ベンチマーク母集団モデルに基づいて、二重ブラックホール重力波イベントの模擬カタログを構築する。
• パラメトリック（仮定された関数形）および非パラメトリック（カーネル密度推定）の両手法を用いて母集団を再構築する。
• 両方の再構築母集団を用いて、レンズ効果を受けるイベントペアのベイズ因子を計算し、ベンチマークモデルと比較する。
• 共有される源パラメータを統合する階層ベイズフレームワークを用いて、レンズ効果ありとありなしの仮説間の証拠比を計算する。
• ベイズ因子の式を単純化するために、パrameter推定に一様事前分布を適用し、母集団事前分布の影響を明確に分離する。
• 両仮説下でベイズ因子の式を導出する。母集団事前分布とイベント固有の後確率を組み合わせることで、モデル感度を評価する。

Figure 1: A strong lens can produce multiple images of a binary black hole (BBH). Although we can not discern the images in the sky with a ground-based gravitational-wave detector due to poor angular resolution, we can detect them as ”repeated events” – two or more gravitational-wave copies that onl

実験結果

リサーチクエスチョン

• RQ1 母集団モデルの選択が、強力なレンズ効果検出におけるベイズ因子にどのように影響するか？
• RQ2 パラメトリック母集団モデルは、非パラメトリック手法と比較して、レンズ効果仮説検定においてどの程度バイアスを導入するか？
• RQ3 真の母集団が未知である場合、非パラメトリック母集団モデリングは、レンズ効果ベイズ因子の不確実性を低減できるか？
• RQ4 ベイズ因子の性能は、仮定された母集団事前分布が真の母集団分布とどの程度一致しているかに依存するか？

主な発見

• レンズ効果を受ける重力波イベントを推定する際、非パラメトリック母集団モデリングは、パラメトリックモデルと比較して顕著に低いバイアスを示す。
• 非パラメトリック手法を用いることで、二重ブラックホール母集団分布に関する誤った仮定が引き起こす系統的誤差が低減される。
• 本研究では、真の母集団が仮定された関数形から逸脱している場合、パラメトリックモデルがレンズ効果推論を誤導する可能性があることが確認された。
• 母集団が誤って指定された場合でも、非パラメトリック母集団モデルを用いて計算されたベイズ因子は、ベンチマークモデルと良好な一致を示す。
• 結果から、強力なレンズ効果解析におけるモデル依存バイアスを最小限に抑えるために、アンタガノス的で非パラメトリックな手法を用いる重要性が浮き彫りになった。
• 導出されたベイズ因子の式は、母集団事前分布の影響を明確に分離しており、モデルのロバスト性を直接比較可能にする。

Figure 2: Population models for observed distribution. Moving from left to right, the columns correspond to the benchmark model, the inferred (H)DPGMM model, the inferred power-law model, and the uniform model, respectively. The first row represents the marginalised distribution of redshifted primar