[논문 리뷰] Parameter Estimation for GW170817 using Relative Binning

Liang Dai, Tejaswi Venumadhav외 1명|arXiv (Cornell University)|2018. 06. 22.

Pulsars and Gravitational Waves Research인용 수 15

한 줄 요약

이 논문은 LIGO 데이터를 사용하여 GW170817 이중 중성자별 병합의 효율적인 매개변수 추정을 가능하게 하는 빠른 우도 평가 방법인 상대적 버킷화(relative binning)를 소개한다. 이 방법은 최소한의 계산 자원으로도 높은 정확도를 달성하며, 이전 결과와 일치하는 사후 분포를 제공한다—비록 고스핀 사전 분포를 사용하더라도 비영인 정렬 스핀이나 조임력 변형성에 대한 유의미한 증거는 발견되지 않았다.

ABSTRACT

Relative binning is a new method for fast and accurate evaluation of the likelihood of gravitational wave strain data. This technique can be used to produce reliable posterior distributions for compact object mergers with very moderate computational resources. We use a fast likelihood evaluation code based on this technique to estimate the parameters of the double neutron-star merger event GW170817 using publicly available LIGO data. We obtain statistically similar posteriors using either Markov-chain Monte-Carlo or nested sampling. The results do not favor non-zero aligned spins at a statistically significant level. There is no significant sign of non-zero tidal deformability (as quantified by the Bayesian evidence), whether or not high-spin or low-spin priors are adopted. Our posterior samples are publicly available, and we also provide a tutorial Python code to implement fast likelihood evaluation using the relative binning method.

연구 동기 및 목표

• 중력파 매개변수 추정을 위한 계산적으로 효율적인 우도 평가 기법으로 상대적 버킷화를 개발하기 위해.
• 이 방법을 사용하여 공개된 LIGO 데이터를 바탕으로 GW170817 이중 중성자별 병합에 대한 정확한 매개변수 추정을 수행하기 위해.
• 병합 사건에서 비영인 정렬 스핀이나 조임력 변형성에 대한 데이터가 유의미한 증거를 제공하는지 테스트하기 위해.
• 빠른 우도 평가를 위한 상대적 버킷화를 활용한 공개 가능한 사후 표본과 Python 튜토리얼 코드를 제공하기 위해.

제안 방법

• 기준 웨이브폼을 사용하여 데이터를 한 번 요약함으로써 상대적 버킷화를 통해 우도 평가를 가속화하며, 매개변수 공간 전반에서 빠른 재평가가 가능하게 한다.
• 노이즈 제거된 스트레인 데이터로부터 요약 통계를 계산하고, 전체 내적을 다시 계산하지 않고도 우도를 효율적으로 평가하기 위해 사용한다.
• 샘플링 중에 최적의 매개변수 추정치를 사용하여 기준 웨이브폼을 반복적으로 개선함으로써 정확도를 향상시킨다.
• 마르코프 체인 몽테카를로(emcee)와 네스티드 샘플링(pyMultiNest)을 사용하여 내재적 및 외재적 매개변수에 대한 사후 분포를 샘플링한다.
• 외재적 매개변수(거리, 위상, 시간)는 각 검출기별로 독립적으로 해석적으로 적분하여 차원을 감소시킨다.
• 우도는 23–1500 Hz 범위에서 주파수 도메인에서 계산되며, 조임력과 스핀 효과를 포함한 IMRPhenomD_NRTidal 웨이브폼 모델을 사용한다.

실험 결과

연구 질문

• RQ1 상대적 버킷화는 적은 계산 자원으로도 GW170817에 대한 빠르고 정확한 매개변수 추정을 가능하게 하는가?
• RQ2 고스핀 사전 분포를 사용할 경우 GW170817 사례에서 비영인 정렬 스핀에 대한 유의미한 증거가 있는가?
• RQ3 GW170817의 중성자별에 대해 비영인 조임력 변형성이 데이터에서 지지되는가?
• RQ4 상대적 버킷화의 결과는 기존 방법 및 발표된 결과(예: Abbott et al. 2018)와 어떻게 비교되는가?
• RQ5 상대적 버킷화를 사용하여 베이지안 증거를 통해 다양한 웨이브폼 모델 간의 비교 및 물리적 가정의 검증을 효율적으로 수행할 수 있는가?

주요 결과

• 상대적 버킷화 방법은 약 150코어 시간과 약 3×10^8개의 표본으로만 사용하여 GW170817에 대한 정확한 매개변수 추정을 가능하게 하며, 이전 연구 결과와 일치하는 결과를 도출한다.
• 고스핀 또는 저스핀 사전 분포를 사용하든 간에 비영인 정렬 스핀에 대한 통계적으로 유의미한 증거는 발견되지 않았다.
• 베이지안 증거 비교를 통해 비영인 조임력 변형성이 없음을 지지하는 증거는 없으며, 무조임력 모델의 로그 Z는 557.87 ± 0.05이고, 전체 모델은 554.82 ± 0.06이다.
• 상대적 버킷화에서 유도된 사후 분포는 emcee와 pyMultiNest의 결과와 뛰어난 일치를 보이며, 이는 방법의 정확성을 검증한다.
• 이 방법은 효율적인 모델 비교를 가능하게 하며, 동일 질량, 스핀 없음, 조임력 없음 모델은 강하게 기각된다(로그 Z = 549.12 ± 0.04), 이는 물리적 매개변수가 필요함을 시사한다.
• IMRPhenomD_NRTidal 모델에서 1500 Hz에서 조임력 변형성(Λ̃)의 사후 분포에 보조 피크가 나타나지만, TaylorF2 모델을 사용할 경우 이 특징는 크게 약화되며, 이는 모델 의존성의 예를 보여준다.