[論文レビュー] The GstLAL Search Analysis Methods for Compact Binary Mergers in Advanced LIGO's Second and Advanced Virgo's First Observing Runs

S. Sachdev, Sarah Caudill+27 more|arXiv (Cornell University)|Jan 24, 2019

Pulsars and Gravitational Waves Research参考文献 2被引用数 38

ひとこと要約

本論文は、LIGOのO2およびVirgoの初回観測走査中に、GstLALパイプラインを用いてコンパクト2体子の合体からの重力波を検出するための更新を説明する。遅延の削減、Virgoの統合、単一検出器の処理、パラメータ空間の拡張、背景モデリングの改善を含む。

ABSTRACT

After their successful first observing run (September 12, 2015 - January 12, 2016), the Advanced LIGO detectors were upgraded to increase their sensitivity for the second observing run (November 30, 2016 - August 26, 2017). The Advanced Virgo detector joined the second observing run on August 1, 2017. We discuss the updates that happened during this period in the GstLAL-based inspiral pipeline, which is used to detect gravitational waves from the coalescence of compact binaries both in low latency and an offline configuration. These updates include deployment of a zero-latency whitening filter to reduce the over-all latency of the pipeline by up to 32 seconds, incorporation of the Virgo data stream in the analysis, introduction of a single-detector search to analyze data from the periods when only one of the detectors is running, addition of new parameters to the likelihood ratio ranking statistic, increase in the parameter space of the search, and introduction of a template mass-dependent glitch-excision thresholding method.

研究の動機と目的

• Advanced LIGOの第2回観測走（O2）およびAdvanced Virgoの初回観測走に実装されたGstLALベースのインスパイアルパイプラインのアップグレードを説明する。
• ゼロ遅延ホワイトニングによって遅延がどのように削減されたか、そしてVirgoデータがどのように組み込まれたかを説明する。
• 感度と背景推定を改善するためのテンプレートバンク構築、データ条件付け、および尤度比統計の変更を概説する。

提案手法

• 1–399 Msunの総質量と質量比が最大97.989までのGRベースの波形テンプレート群を用いたマッチドフィルタリング。
• ホワイトニング済みデータとテンプレートを用いた時系列領域のSNR計算。時間と位相の最大化を行う。
• 計算効率のために特異値分解を用いたLLOID様の縮約フィルター集合の使用。
• xi^2による信号整合性検定でグリッチと本物の信号を識別。
• 候補をランク付けする多次元尤度比統計の構築。背景推定はモンテカルロサンプリングによる。
• O2では単一検出器イベントの処理とPDFを計算するためのSNR–xi^2ビニングの更新を行い、偽陽性確率を算出。

実験結果

リサーチクエスチョン

• RQ1 O2におけるテンプレートバンク構築とビニングの更新は、背景推定と探索感度にどのような影響を及ぼすか？
• RQ2 ゼロ遅延ホワイトニングとデータ条件付けがオンライン検索遅延と偽警報率にどのような影響を与えるか？
• RQ3 単一検出器のトリガをランク統計と背景モデルにどう組み込むべきか？
• RQ4 O2期間中にVirgoデータを取り込むことが検出効率とパラメータ推定に及ぼす影響は？
• RQ5 テンプレートバンクの高質量領域を拡張したノイズをより適切にモデル化するために尤度比フレームワークをどう適応させるべきか？

主な発見

• ゼロ遅延ホワイトニングフィルターは、O1に比べオンラインパイプラインの待機時間を約40秒短縮する。
• Virgoデータの組み込みと単一検出器分析の有効化により、O2期間中のオンライン検索能力が広がった。
• テンプレートバンクは総質量2–400 Msunへ拡張され、チャープ質量および有効スピンではなくテンプレートの継続時間に基づく高質量グルーピングに改訂され、高質量領域の背景推定を改善した。
• チャープ質量の関数としてのグリッチに対する線形ゲーティング方式は、高質量信号の回復を犠牲にすることなくグリッチをより効果的に除去する。
• 尤度比統計とそのビニング（rho–xi^2 PDFs）は、単一検出器トリガと検出器の参加状況の変化を考慮するよう更新され、O2全体で堅牢なFAP推定を可能にした。