[논문 리뷰] A fully-automated end-to-end pipeline for massive black hole binary signal extraction from LISA data

Michael L. Katz|arXiv (Cornell University)|2021. 11. 01.

Pulsars and Gravitational Waves Research참고 문헌 74인용 수 35

한 줄 요약

이 논문은 브루트포스 검색, 이소드라이닝 기반 우도 최대화 및 매개변수 추정을 사용하여 LISA 데이터에서 거대 블랙홀 이원성(GBHB) 신호를 완전 자동으로, GPU 가속을 통해 엔드 투 엔드로 추출하는 파이프라인을 제시한다. 이 방법은 인간 간섭 없이 한 시간 이내에 수렴하는 사후 분포를 도출하며, 노이즈가 없는 경우와 노이즈가 있는 LDC-1A 데이터셋 모두에서 고정밀도 매개변수 복원 성능을 보이며, 더 나은 소스 특성화를 위한 현실적인 고조파 사후 분포를 포함한다.

ABSTRACT

The LISA Data Challenges Working Group within the LISA Consortium has started publishing datasets to benchmark, compare, and build LISA data analysis infrastructure as the Consortium prepares for the launch of the mission. We present our solution to the dataset from LISA Data Challenge (LDC) 1A containing a single massive black hole binary signal. This solution is built from a fully-automated and GPU-accelerated pipeline consisting of three segments: a brute-force initial search; a refining search that uses the efficient Likelihood computation technique of Heterodyning (also called Relative Binning) to locate the maximum Likelihood point; and a parameter estimation portion that also takes advantage of the speed of the Heterodyning method. This pipeline takes tens of minutes to evolve from randomized initial parameters throughout the prior volume to a converged final posterior distribution. Final posteriors are shown for both datasets from LDC 1A: one noiseless data stream and one containing additive noise. A posterior distribution including higher harmonics is also shown for a self-injected waveform with the same source parameters as is used in the original LDC 1A dataset. This higher-mode posterior is shown in order to provide a more realistic distribution on the parameters of the source.

연구 동기 및 목표

• LISA 데이터에서 거대 블랙홀 이원성(GBHB) 신호를 추출하기 위한 완전 자동화된 엔드 투 엔드 데이터 분석 파이프라인을 개발함으로써, 인간 간섭이나 신호에 대한 사전 지식이 필요 없도록 한다.
• 비정상적 노이즈와 기구적 영향을 포함한 현실적인 LISA 데이터 조건에서 GBHB의 빠르고 정확한 매개변수 추정을 가능하게 한다.
• 이소드라이닝(상대적 빈팅)과 같은 효율적인 우도 계산 기법을 사용하여 LISA 데이터에서 고정밀도 베이지안 추론의 가능성을 입증한다.
• 주로 사용되는 l=m=2 모드를 초월하여 매개변수 제약을 향상시키기 위해 파형 모델에 고조파 모드를 포함시켜 더 현실적인 사후 분포를 제공한다.
• 다중 소스 시나리오와 향후 LISA 데이터 과제에서의 겹치는 신호를 고려한 확장 가능한 프레임워크를 구축한다.

제안 방법

• 파이프라인은 GPU 계산을 통해 고차원 매개변수 공간을 효율적으로 다룰 수 있도록, GBHB 매개변수의 전체 사전 분포 공간에서 브루트포스 초기 검색을 수행한다.
• 이후 최대우도 정밀화 단계에서는 이소드라이닝(상대적 빈팅) 기법을 사용하여 빠르고 정확한 우도 평가를 수행하며, 기존의 매칭 필터링 대비 계산 비용을 크게 감소시킨다.
• 매개변수 추정 단계에서는 동일한 이소드라이닝 기법을 활용하여 사후 분포를 효율적으로 계산함으로써, 신호 매개변수에 대한 완전한 베이지안 추론을 가능하게 한다.
• 이 방법은 두 개의 LDC-1A 데이터셋에 적용되었으며, 하나는 노이즈가 없고, 다른 하나는 실제 LISA 기구적 노이즈(SciRDv1 곡선)를 포함하며, 둘 다 단일 GBHB 주입을 포함한다.
• 유사한 소스 매개변수에 대해 더 현실적인 사후 분포를 제공하기 위해, l=m=2, l=3,m=2, l=2,m=1 모드를 포함한 고조파 모드 파형 모델이 사용되었다.
• 파이프라인은 완전 자동화되어 있으며, 수동 조정이나 사전 지식이 필요 없으며, 표준 GPU 하드웨어에서 한 시간 이내에 수렴한다.

실험 결과

연구 질문

• RQ1 완전 자동화된 GPU 가속 파이프라인이 무작위 초기 매개변수에서 GBHB 매개변수 추정을 한 시간 이내에 정확하게 수행할 수 있는가?
• RQ2 파형 모델에 고조파 모드를 포함시키면 사후 분포와 매개변수 제약에 어떤 영향을 미치는가?
• RQ3 이소드라이닝(상대적 빈팅) 우도 방법이 현실적인 LISA 노이즈 조건에서 효율적이고 정확한 우도 최대화를 가능하게 하는가?
• RQ4 LDC-1A 데이터셋에서 모의된 비정상적 노이즈와 데이터 간격에 대해 파이프라인의 내성은 얼마나 강건한가?
• RQ5 신호가 병합-진동 단계에서 겹칠 수 있는 다중 소스 시나리오로 이 방법을 확장할 수 있는가?

주요 결과

• 파이프라인은 노이즈가 없는 경우와 노이즈가 있는 LDC-1A 데이터셋 모두에서 GBHB 신호를 성공적으로 추출하였으며, 인간 간섭 없이 런타임 1시간 이내에 수렴하는 사후 분포를 생성하였다.
• 외재적 매개변수(시경, 천위, 편광 각도, 기울기)의 사후 분포는 잘 제약되어 있으며, 노이즈가 있는 데이터셋에서 진짜 주입된 값 주변의 1σ, 2σ, 3σ 등고선이 매우 정밀하게 둘러싸고 있다.
• 파형 모델에 고조파 모드를 포함시킴으로써 더 현실적이고 좁은 사후 분포가 도출되었으며, 주로 l=m=2 모드만을 사용한 분석 대비 매개변수 불확실성이 감소하였다.
• 이소드라이닝(상대적 빈팅) 기법은 효율적인 우도 계산을 가능하게 하여, 파이프라인이 전체 사전 분포 공간을 탐색하고 최대우도 지점으로 신속히 수렴할 수 있도록 하였다.
• 노이즈가 있는 데이터셋에서 소스 매개변수를 정확하게 복원한 것으로 보아, 현실적인 LISA 노이즈에 대한 내성은 검증되었으며, 향후 LISA 데이터 과제에 대비한 준비가 되어 있음을 시사한다.
• 파이프라인은 확장 가능하고 확장성이 있으며, 병합-진동 단계에서의 겹침이 흔하지 않은 조건이라면, 글로벌 피팅 기반으로 다수의 GBHB 및 겹치는 신호를 처리할 수 있는 잠재력을 지닌다.