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

Kiranjyot Gill, Wenhui Wang+4 more|arXiv (Cornell University)|Feb 19, 2018

Gamma-ray bursts and supernovae参考文献 1被引用 4

一句话总结

该论文通过将贝叶斯波形分类模块（BayesWave）集成到相干尖峰爆发（cWB）管道中，提升了对核心坍缩超新星（CCSNe）的引力波（GW）搜寻性能。通过利用信号与噪声脉冲之间波形形态的差异——采用线性与任意偏振模型——该方法提高了检测灵敏度，在不牺牲检测效率的同时，将误报率降低至原来的十分之一，检测效率提升，并将可观测范围扩展最多达22.05%，尤其适用于快速旋转的CCSNe。

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.

研究动机与目标

• 在先进LIGO时代提升对核心坍缩超新星（CCSNe）引力波搜寻的灵敏度。
• 解决从瞬态探测器脉冲（非高斯噪声伪影）中区分弱CCSNe引力波信号的挑战。
• 通过应用贝叶斯分类对cWB候选事件进行处理，提升检测置信度并扩展可观测范围。
• 评估两种BayesWave实现方式的性能：一种假设线性偏振，另一种允许任意偏振态。
• 量化在不同误报率（FAR）和源段持续时间下，接收者操作特征（ROC）曲线的改进情况。

提出的方法

• 使用相干尖峰爆发（cWB）管道在激光干涉仪数据中识别瞬态引力波候选事件。
• 将BayesWave（BW）作为后续模块，计算贝叶斯似然比，以区分信号波形形态与噪声脉冲。
• 采用两种BW版本：一种假设线性偏振，另一种允许任意偏振态，包括椭圆和圆偏振分量。
• 利用贝叶斯模型比较计算后验奇偶比，基于波形形态将事件分类为信号样或噪声样。
• 引入天空位置、源方向和信号到达时间的先验分布，以考虑瞬态参数的不确定性。
• 通过接收者操作特征（ROC）曲线评估性能，比较cWB单独使用与cWB+BW在不同误报率（FAR）和源段持续时间下的表现。

实验结果

研究问题

• RQ1 贝叶斯波形分类是否能在不牺牲检测效率的前提下，通过降低误报率来提升基于cWB的CCSNe引力波搜寻灵敏度？
• RQ2 当假设线性偏振与允许任意偏振态时，BayesWave在CCSNe信号波形形态中的性能表现有何差异？
• RQ3 与cWB单独使用相比，cWB+BayesWave管道在检测范围和统计置信度方面提升了多少？
• RQ4 在不同源段持续时间下，ROC曲线的改进程度在慢速旋转与快速旋转CCSNe波形之间有何差异？
• RQ5 使用BayesWave是否能显著降低误报率，特别是在cWB的ROC曲线呈平坦状态的区域？

主要发现

• 在固定误报率（FAR）下，cWB+BayesWave管道对慢速旋转CCSNe的检测效率最高提升15.76%，对快速旋转CCSNe的检测效率最高提升22.05%。
• 在某些情况下，误报率降低了一个数量级以上（超过10倍），尤其是在cWB的ROC曲线呈平坦状态时，且未造成检测效率的显著损失。
• 允许任意偏振态的BayesWave版本在所有测试波形和信号类型中均持续优于线性偏振版本。
• 该方法实现了等效于检测范围提升30%的范围重标度，当检测效率提升30%时，cWB检测效率为50%。
• 贝叶斯分类显著降低了误报概率，同时保持对广泛CCSNe信号波形形态的灵敏度，即使在缺乏精确模板匹配的情况下亦然。
• ROC曲线的改进表明，cWB+BayesWave在检测置信度和灵敏度上均优于cWB单独使用，其工作点在垂直方向（提升效率）和水平方向（降低FAR）均发生偏移。