[논문 리뷰] Hierarchical search for compact binary coalescences in the Advanced LIGO's first two observing runs

K. Soni, B. U. Gadre외 2명|arXiv (Cornell University)|2021. 06. 16.

Pulsars and Gravitational Waves Research참고 문헌 60인용 수 9

한 줄 요약

이 논문은 Advanced LIGO의 첫 두 관측 런 동안 압축 이중성 병합(CBC) 탐색을 위한 계층적 매칭 필터링 파이프라인의 최초 엔드 투 엔드 구현을 PyCBC를 사용하여 제시한다. 두 단계 탐색—粗역도 템플릿 매칭 이후 정밀 조정—을 통해 계산 비용을 20배 감소시키면서도 GWTC-1 이벤트를 동일한 감도로 복원하였다. 이는 주입 연구와 배경 스케일링을 통한 검증을 통해 입증되었다.

ABSTRACT

Detection of many compact binary coalescences (CBCs) is one of the primary goals of the present and future ground-based gravitational-wave (GW) detectors. While increasing the detectors' sensitivities will be crucial in achieving this, efficient data analysis strategies can play a vital role. With given computational power in hand, efficient data analysis techniques can expand the size and dimensionality of the parameter space to search for a variety of GW sources. Matched filtering based analyses that depend on modeled signals to produce adequate signal-to-noise ratios for signal detection may miss them if the parameter space is too restrained. Specifically, the CBC search is currently limited to non-precessing binaries only, where the spins of the components are either aligned or anti-aligned to the orbital angular momentum. A hierarchical search for CBCs is thus well motivated. The first stage of this search is performed by matched filtering coarsely sampled data with a coarse template bank to look for candidate events. These candidates are then followed up for a finer search around the vicinity of an event's parameter space. Performing such a search leads to enormous savings in computational cost. Here we report the first successful implementation of the hierarchical search as a PyCBC-based production pipeline to perform a complete analysis of LIGO observing runs. With this, we analyze Advanced LIGO's first and second observing run data. We recover all the events detected by the PyCBC (flat) search in the first GW catalog, GWTC-1, published by the LIGO-Virgo collaboration, with nearly the same significance using a scaled background. In the analysis, we get an impressive factor of 20 reduction in computation compared to the flat search. With a standard injection study, we show that the sensitivity of the hierarchical search remains comparable to the flat search within the error bars.

연구 동기 및 목표

• 압축 이중성 병합(CBCs)에 대한 계산적으로 효율적인 계층적 탐색 파이프라인을 개발하고 구현하는 것.
• 매칭 필터링 기반 CBC 탐색의 계산 비용을 감도를 훼손하지 않고 감소시키는 것.
• 다양한 단계와 매개변수 공간 적응형 접근법을 통해 전개하는 이중성을 포함한 탐색을 확장하는 것.
• 실제 데이터와 주입을 사용하여 표준 평탄한 탐색과 비교해 계층적 파이프라인을 검증하는 것.
• 현재의 계산 자원으로도 더 높은 차원의 매개변수 공간으로 CBC 탐색을 확장할 수 있는 가능성을 입증하는 것.

제안 방법

• 파이프라인은 두 단계 계층적 접근을 사용한다: 첫째, 거친 템플릿 백이 데이터에서 후보 트리거를 식별하기 위해 매칭 필터링을 수행한다.
• 첫 번째 단계에서 도출된 후보들은 지역 매개변수 공간에서 더 조밀한 템플릿 백을 사용해 정밀 탐색을 수행한다.
• 이 방법은 첫 번째 단계에서 가변 샘플링 레이트를 사용하여 템플릿 수를 줄여 계산 부담을 감소시킨다.
• 이 탐색은 PyCBC 프레임워크 내의 생산용 파이프라인으로 구현되어 기존 LIGO 데이터 분석 워크플로우와의 통합을 가능하게 한다.
• 시간, 위상 및 천체 위치 일致성을 기반으로 검출기 간 공명 트리거를 식별하여 가짜 경고를 줄인다.
• 감도는 스케일드 노이즈 배경과 표준 주입 연구를 통해 평탄한 탐색과의 탐지 효율을 비교하여 검증한다.

실험 결과

연구 질문

• RQ1 계층적 탐색 전략은 실제 LIGO 데이터에서 CBC 신호 감도를 유지하면서도 계산 비용을 수십 배 이상 감소시킬 수 있는가?
• RQ2 계층적 파이프라인의 탐지 효율은 평탄한 탐색과 비교해 신호 복원 및 가짜 경고 비율 측면에서 어떻게 다른가?
• RQ3 계층적 접근은 전개하는 이중성과 더 높은 차원의 매개변수 공간으로 얼마나 확장될 수 있는가?
• RQ4 두 단계 접근은 특히 약한 또는 복잡한 신호의 경우 평탄한 탐색과 비교해 검출된 사건의 유의미성을 유지하는가?
• RQ5 계층적 파이프라인은 PyCBC 생태계 내에서 생산 수준의 도구로 효과적으로 구현되어 전체 관측 런 분석에 활용될 수 있는가?

주요 결과

• 계층적 탐색은 평탄한 PyCBC 탐색 대비 계산 비용을 20배 감소시켰으며, GWTC-1의 11개 모든 이벤트를 거의 동일한 유의미도로 복원하였다.
• GWTC-1 카탈로그에 포함된 모든 이벤트가 계층적 파이프라인에 의해 성공적으로 복원되어 감도가 평탄한 탐색과 유사함을 확인하였다.
• 주입 연구 결과, 계층적 파이프라인은 다양한 신호 대 잡음 비율에서 평탄한 탐색과 통계 오차 범위 내에서 동일한 탐지 감도를 유지함을 보였다.
• 고질량 및 비대칭 이중성 포함 다양한 매개변수 공간 영역에서의 신호 탐지에 대해 강건함을 입증하였다.
• PyCBC 기반의 생산용 파이프라인으로서의 구현은 기존 LIGO 데이터 분석 워크플로우에 원활하게 통합될 수 있음을 보여주었다.
• 이 방법은 향후 전개하는 이중성과 더 높은 차원의 매개변수 공간으로의 확장을 비용 부담 없이 가능하게 한다.