[論文レビュー] Mitigation of the instrumental noise transient in gravitational-wave data surrounding GW170817

C. Pankow, Katerina Chatziioannou+10 more|DSpace@MIT (Massachusetts Institute of Technology)|Aug 10, 2018

Pulsars and Gravitational Waves Research被引用数 7

ひとこと要約

本論文は、GW170817周辺の重力波データにおけるゲーミングおよびBayesWaveベースのノイズ除去手法の評価を行い、データ除去に比べてBayesWaveが信号の忠実度をより良く保つことを示した。これにより、騒音の高い機器トランジェントが存在する中でも偏りのないパラメータ推定が可能である。研究では、特にGW170817のような高SNR信号において、ノイズ除去が正確な内在パラメータの回復に不可欠であることを確認した。

ABSTRACT

In the coming years gravitational-wave detectors will undergo a series of improvements, with an increase in their detection rate by about an order of magnitude. Routine detections of gravitational-wave signals promote novel astrophysical and fundamental theory studies, while simultaneously leading to an increase in the number of detections temporally overlapping with instrumentally- or environmentally-induced transients in the detectors (glitches), often of unknown origin. Indeed, this was the case for the very first detection by the LIGO and Virgo detectors of a gravitational-wave signal consistent with a binary neutron star coalescence, GW170817. A loud glitch in the LIGO-Livingston detector, about one second before the merger, hampered coincident detection (which was initially achieved solely with LIGO-Hanford data). Moreover, accurate source characterization depends on specific assumptions about the behavior of the detector noise that are rendered invalid by the presence of glitches. In this paper, we present the various techniques employed for the initial mitigation of the glitch to perform source characterization of GW170817 and study advantages and disadvantages of each mitigation method. We show that, despite the presence of instrumental noise transients louder than the one affecting GW170817, we are still able to produce unbiased measurements of the intrinsic parameters from simulated injections with properties similar to GW170817.

研究の動機と目的

• LIGO-Livingstonのオーバーフロー不具合のような機器ノイズトランジェントが、GW170817の一致検出およびパラメータ推定を損なうという課題に対処すること。
• データ除去（ゲーミング）とモデルベースのノイズ除去（BayesWave）によって、内在信号パラメータの再構築に生じる忠実度とバイアスを評価すること。
• 特にスピンや潮汐効果が測定可能な感度の高い周波数帯域において、ノイズ除去手法が重力波信号の整合性と構造をどのように保っているかを確認すること。
• 今後のマルチメッセンジャー天文学における低遅延の天の川位置特定と高忠実度のパラメータ推定の両方に適した手法かどうかを評価すること。

提案手法

• ゲーミングアルゴリズムPyCBCを用いて、不具合による影響を受けた0.2秒間のデータを除去し、トランジェントと一部の真の信号を同時に削除した。
• データ忠実度を向上させる改良型ゲーミングを適用し、電磁気的フォローアップのための迅速な天の川位置特定を可能にした。
• BayesWaveアルゴリズムを用いて、異なる品質因子（Q）を持つ時間周波数ウェーブレットを用いて不具合をモデル化・除去した。これにより、高QのBNS信号と低Qのトランジェントを分離した。
• ノイズモデルを定常性を仮定してLALInferenceを用いてパラメータ推定を実施し、元データ、ゲーミング処理済みデータ、BayesWave処理済みデータの結果を比較した。
• 信号忠実度を、ゼロノイズ参照との比較によって評価し、特にスピンと潮汐変形度の推定に注目した。
• 特に低SNRの信号に対して、ノイズ除去の影響が不確実性の増大やバイアスに与える影響を評価した。

実験結果

リサーチクエスチョン

• RQ1 ゲーミングのようなデータ除去技術は、信号損失を最小限に抑える一方で、電磁気的フォローアップに十分な天の川位置特定を可能にするのか？
• RQ2 ゲーミング手法と比較して、BayesWaveベースのノイズ除去は、重力波信号の整合性と構造をどの程度保っているのか？
• RQ3 異なるノイズ除去戦略は、特にスピンと潮汐パラメータに関して、内在パラメータ推定におけるバイアスと不確実性にどのように影響を与えるのか？
• RQ4 ノイズと信号が時間周波数空間で重複する場合、特にウェーブレット特性が著しく異なる場合に、パラメータ推定の忠実度は損なわれるのか？
• RQ5 信号の整合性が高精度な物理的検証に不可欠であるGW170817のような高SNRイベントにおいて、ノイズ除去手法が偏りのない結果をもたらす信頼性を持つのか？

主な発見

• BayesWaveベースのノイズ除去により、ゼロノイズ参照研究と一致するパラメータ推定が得られ、ずれは残存ノイズに起因するにとどまった。これは高い忠実度を示している。
• ゲーミング手法は低遅延の天の川位置特定には高速かつ有効であったが、真の信号の一部を除去し、パラメータ推定における不確実性とバイアスを増大させた。
• 一部の周波数帯域では不具合が信号よりも大きく感じられたが、Q値の違い（高QのBNS信号と低Qのトランジェント）のおかげで、BayesWaveは両者を効果的に分離し、スピンと潮汐パラメータの正確な回復に成功した。
• 本研究では、ゲーミングのようなデータ除去手法が高忠実度のパラメータ推定には不十分であることが判明した。これは信号の整合性を損なうとともに、不確実性を増大させるためである。
• SNRが低い弱い信号に対しては、ゲーミングによるバイアスと不確実性の増大がさらに顕著になると予想され、今後の解析においてモデルベースの除去手法の導入が不可欠であることが強調された。
• 結果として、偏りのない高精度なパラメータ推定が求められる状況では、単純な除去手法よりも、データに特化したノイズ除去手法（例：BayesWave）の使用が支持される。