[논문 리뷰] Mitigating the effect of the population model uncertainty on the strong lensing Bayes factor using nonparametric methods

Damon H. T. Cheung, S. Rinaldi외 2명|arXiv (Cornell University)|2023. 08. 23.

Pulsars and Gravitational Waves ResearchPhysics and Astronomy인용 수 3

한 줄 요약

이 연구는 베이즈 인자에 의한 강한 중력 렌즈 검출에서 편향을 줄이기 위해 비모수적 인구 모델링을 사용하는 것을 제안하며, 중력파 데이터에서 렌즈가 쌓인 이중 블랙홀 사건을 추론할 때 비모수적 방법이 모수적 모델보다 훨씬 낮은 편향을 낳는다는 것을 입증한다.

ABSTRACT

Strong lensing of gravitational waves can produce several detectable images as repeated events in the upcoming observing runs, which can be detected with the posterior overlap analysis (Bayes factor). The choice of the binary black hole population plays an important role in the analysis as two gravitational-wave events could be similar either because of lensing or astrophysical coincidence. In this study, we investigate the biases induced by different population models on the Bayes factor. We build up a mock catalog of gravitational-wave events following a benchmark population and reconstruct it using both nonparametric and parametric methods. Using these reconstructions, we compute the Bayes factor for lensed pair events by utilizing both models and compare the results with a benchmark model. We show that the use of a nonparametric population model gives a smaller bias than parametric population models. Therefore, our study demonstrates the importance of choosing a sufficiently agnostic population model for strong lensing analyses.

연구 동기 및 목표

• 은하계 인구 모델에 대한 불확실성이 강한 렌즈 중력파 사건을 식별하는 데 사용되는 베이즈 인자에 어떻게 영향을 미치는지 조사하기 위해.
• 가짜 중력파 사건 카탈로그를 재구성하는 데 있어 모수적 대비 비모수적 인구 모델링의 성능을 비교하기 위해.
• 렌즈 가설 검정에서 잘못된 인구 모델 가정으로 인해 발생하는 편향을 정량화하기 위해.
• 비모수적 방법이 강한 렌즈 분석에서 인구 추론에 더 견고하고 중립적인 접근 방식을 제공한다는 것을 입증하기 위해.

제안 방법

• 기준 인구 모델을 기반으로 이중 블랙홀 중력파 사건의 가짜 카탈로그를 구성하기 위해.
• 모수적(가정된 기능 형태) 및 비모수적(커널 밀도 추정) 방법을 사용하여 인구를 재구성하기 위해.
• 두 재구성된 인구 모델을 사용하여 렌즈가 쌓인 사건 쌍에 대한 베이즈 인자를 계산하고 기준 모델과 결과를 비교하기 위해.
• 공유된 소스 파라미터를 통합하여 렌즈가 쌓인 및 쌓이지 않은 가설 간의 증거 비율을 계산하기 위해 계층적 베이지안 프레임워크를 적용하기 위해.
• 베이즈 인자 표현을 단순화하기 위해 파rameter 추정에 균일한 사전을 적용하여 인구 사전 선택의 영향을 분리하기 위해.
• 두 가설 하에서의 베이즈 인자 공식을 유도하며, 인구 사전과 이벤트별 사후분포를 통합하여 모델 민감도를 평가하기 위해.

Figure 1: A strong lens can produce multiple images of a binary black hole (BBH). Although we can not discern the images in the sky with a ground-based gravitational-wave detector due to poor angular resolution, we can detect them as ”repeated events” – two or more gravitational-wave copies that onl

실험 결과

연구 질문

• RQ1 강한 중력 렌즈 검출에서 인구 모델 선택이 베이즈 인자에 어떻게 영향을 미치는가?
• RQ2 모수적 인구 모델이 비모수적 대안에 비해 렌즈 가설 검정에서 얼마나 많은 편향을 유발하는가?
• RQ3 진짜 인구가 알려져 있지 않을 때 비모수적 인구 모델링이 렌즈 베이즈 인자에서의 불확실성을 어떻게 줄일 수 있는가?
• RQ4 베이즈 인자의 성능이 가정된 인구 사전이 진짜 기저 분포와 얼마나 유사한지에 따라 어떻게 달라지는가?

주요 결과

• 강한 렌즈 중력파 사건을 추론할 때 비모수적 인구 모델링은 모수적 모델보다 훨씬 낮은 편향을 보인다.
• 비모수적 접근을 사용하면 이중 블랙홀 인구 분포에 대한 잘못된 가정으로 인해 발생하는 체계적 오차가 감소한다.
• 연구는 진짜 인구가 가정된 기능 형태와 다를 경우 모수적 모델이 렌즈 추론을 오도할 수 있음을 확인한다.
• 비모수적 인구 모델을 사용하여 계산된 베이즈 인자는 모델 잘못 설정 조건에서도 기준 모델과 더 잘 일치한다.
• 결과는 강한 렌즈 분석에서 모델 의존적 편향을 최소화하기 위해 중립적이고 비모수적 방법을 사용하는 것이 중요하다는 것을 강조한다.
• 유도된 베이즈 인자 공식은 인구 사전의 영향을 명시적으로 분리하여 모델의 견고성에 대한 직접적인 비교를 가능하게 한다.

Figure 2: Population models for observed distribution. Moving from left to right, the columns correspond to the benchmark model, the inferred (H)DPGMM model, the inferred power-law model, and the uniform model, respectively. The first row represents the marginalised distribution of redshifted primar