[논문 리뷰] Enhancing the Sensitivity of Searches for Gravitational Waves from Core-Collapse Supernovae with a Bayesian classification of candidate events

Kiranjyot Gill, Wenhui Wang외 4명|arXiv (Cornell University)|2018. 02. 19.

Gamma-ray bursts and supernovae참고 문헌 1인용 수 4

한 줄 요약

이 논문은 코herent WaveBurst (cWB) 파이프라인에 베이지안 웨이브포맷 분류 모듈(BayesWave)을 통합하여 핵붕괴 초신성(CC-SNe)에 대한 중력파(GW) 탐색을 향상시킨다. 선형 및 임의의 편광 모델을 사용하여 GW 신호와 노이즈 겉보기 사이의 형태학적 차이를 활용함으로써 감도를 향상시키고, 거짓 경고율을 최대 10배까지 감소시키며, 탐지 효율을 높이고 빠르게 회전하는 CCSNe의 관측 가능 범위를 최대 22.05%까지 확장한다.

ABSTRACT

We demonstrate how a morphological veto involving Bayesian statistics can improve the receiver-operating characteristic (ROC) curves of the current search for core-collapse supernovae (CCSNe) as implemented by the coherent Waveburst (cWB) algorithm. Examples involving two implementations of BayesWave (BW), one that makes no assumption of the polarization state of the gravitational wave (GW) and one that uses the same elliptical polarization settings adopted in previous usages for Binary systems are provided on the set of waveforms currently adopted for the first and second Advanced LIGO (aLIGO) science runs for the targeted CCSNe search. A comparison of the performance for all-sky searches versus the targeted searches with optical triggers is provided. The average cWB+BW ROC range improvements with respect to a fixed false-alarm rate (FAR) for slowly-rotating waveforms ranged from [+1.30%, +15.76%] while the improvement for rapidly-rotating waveforms were on the order of [+1.19%, +22.05%]. The application of BW to CCSN GW triggers also shows a significant reduction of the FAR while maintaining detection efficiency and remaining sensitive to a wide range of morphological CCSNe signals. It appears that the code developed for arbitrarily polarized signals outperforms the previous code for the GW morphologies tested.

연구 동기 및 목표

• 고도화된 LIGO 시대에 핵붕괴 초신성(CC-SNe)에 대한 중력파 탐색 감도를 향상시키는 것.
• 임시적인 검출기 겉보기(비정규 노이즈 아티팩트)와 약한 CCSN GW 신호를 구분하는 데 도전하는 것.
• cWB 후보 이벤트에 베이지안 분류를 적용하여 탐지 신뢰도를 높이고 관측 가능 범위를 연장하는 것.
• 두 가지 BayesWave 구현 방식의 성능을 평가하는 것: 하나는 선형 편광을 가정하고, 다른 하나는 임의의 편광 상태를 허용하는 것.
• 다양한 거짓 경고율(FAR)과 온소스 윈도우 지속시간에서 수신기 작동 특성(ROC) 곡선의 향상 정도를 정량화하는 것.

제안 방법

• 간섭계 데이터에서 일시적 GW 후보를 식별하기 위해 코herent WaveBurst(cWB) 파이프라인을 사용한다.
• BayesWave(BW)를 후속 모듈로 적용하여 신호 유사 형태와 노이즈 겉보기 사이를 구분하는 베이지안 우도 비율을 계산한다.
• 두 가지 버전의 BW를 사용한다: 하나는 선형 편광을 가정하고, 다른 하나는 타원형 및 원형 성분을 포함한 임의의 편광 상태를 허용한다.
• 웨이브포맷 형태학에 기반하여 이벤트를 신호 유사 또는 노이즈 유사로 분류하기 위해 베이지안 모델 비교를 통해 사후 우도를 계산한다.
• 일시적 파arameter의 불확실성을 반영하기 위해 천체 위치, 신원 방향, 신호 도착 시간에 대한 사전 분포를 통합한다.
• 수신기 작동 특성(ROC) 곡선을 통해 성능을 평가하며, cWB 단독 대비 cWB+BW의 성능을 다양한 거짓 경고율(FAR)과 온소스 윈도우에서 비교한다.

실험 결과

연구 질문

• RQ1 베이지안 웨이브포맷 분류가 cWB 기반 CCSN 탐색의 감도를 향상시켜 거짓 경고율을 감소시키면서 탐지 효율을 유지할 수 있는가?
• RQ2 CCSN 신호 형태학에서 선형 편광을 가정하는 것과 임의의 편광 상태를 허용하는 것 간에 BayesWave의 성능는 어떻게 다를까?
• RQ3 cWB+BayesWave 파이프라인은 cWB 단독 대비 탐지 범위와 통계적 신뢰도를 얼마나 향상시키는가?
• RQ4 다양한 온소스 윈도우 지속시간에서, 느리게 회전하는 CCSN과 빠르게 회전하는 CCSN 웨이브포맷에 대해 ROC 곡선 향상 정도는 어떻게 달라지는가?
• RQ5 BayesWave 사용이 cWB ROC 곡선이 평평한 영역에서 특히 거짓 경고율을 유의미하게 감소시키는가?

주요 결과

• 고정된 거짓 경고율(FAR)에서 느리게 회전하는 CCSNe의 경우 cWB+BayesWave 파이프라인은 탐지 효율을 최대 15.76% 향상시키고, 빠르게 회전하는 CCSNe의 경우 최대 22.05% 향상시킨다.
• 특히 cWB ROC 곡선이 평평한 경우, 거짓 경고율이 10배 이상(10배 이상) 감소하며, 탐지 효율에 큰 손실 없이도 성능 향상이 이루어진다.
• 임의의 편광 상태를 허용하는 BayesWave 버전은 테스트된 모든 웨이브포맷과 신호 유형에서 선형 편광 버전보다 일관되게 뛰어난 성능을 보인다.
• 이 방법은 cWB 탐지 효율이 50%일 때 탐지 효율을 30% 향상시키는 데에 30%의 감도 향상에 해당하는 범위 재스케일링을 가능하게 한다.
• 베이지안 분류 방법은 정밀한 템플릿 매칭이 없더라도 다양한 CCSN 신호 형태학에 대해 감도를 유지하면서 거짓 경고 확률을 크게 감소시킨다.
• ROC 곡선 향상은 cWB+BayesWave가 cWB 단독 대비 더 높은 탐지 신뢰도와 감도를 확보하고 있음을 보여주며, 운영 지점이 수직(효율 향상) 및 수평(낮은 FAR)으로 이동함을 나타낸다.