[论文解读] Ain't No Mountain High Enough: Semi-Parametric Modeling of LIGO-Virgos Binary Black Hole Mass Distribution

B. Edelman, Z. Doctor+2 more|arXiv (Cornell University)|Sep 13, 2021

Pulsars and Gravitational Waves Research参考文献 71被引用 61

一句话总结

本文提出一种半参数化的三次样条扰动模型，利用GWTC-2数据对LIGO-Virgo双黑洞（BBH）的主星质量函数进行精细化建模。该方法以超过97%的可信度恢复出35M⊙的峰值，与先前与脉动对不稳定超新星（PPISN）相关的发现一致，同时揭示了与多通道形成机制或恒星演化效应一致的潜在低质量特征。

ABSTRACT

We introduce a semi-parametric model for the primary mass distribution of binary black holes (BBHs) observed with gravitational waves (GWs) that applies a cubic-spline perturbation to a power law. We apply this model to the 46 BBHs included in the second gravitational wave transient catalog (GWTC-2). The spline perturbation model recovers a consistent primary mass distribution with previous results, corroborating the existence of a peak at $35\,M_\odot$ ($>97\%$ credibility) found with the extsc{Powerlaw+Peak} model. The peak could be the result pulsational pair-instability supernovae (PPISNe). The spline perturbation model finds potential signs of additional features in the primary mass distribution at lower masses similar to those previously reported by Tiwari and Fairhurst (2021). However, with fluctuations due to small number statistics, the simpler extsc{Powerlaw+Peak} and extsc{BrokenPowerlaw} models are both still perfectly consistent with observations. Our semi-parametric approach serves as a way to bridge the gap between parametric and non-parametric models to more accurately measure the BBH mass distribution. With larger catalogs we will be able to use this model to resolve possible additional features that could be used to perform cosmological measurements, and will build on our understanding of BBH formation, stellar evolution and nuclear astrophysics.

研究动机与目标

• 开发一种灵活、数据驱动的方法来建模BBH主星质量分布，避免强参数假设。
• 检验在BBH质量分布中观测到的特征（尤其是35M⊙附近的峰值）是否在超越简单参数模型的情况下依然稳健。
• 通过一种在可解释性与灵活性之间取得平衡的模型，评估质量分布中是否存在额外的子结构，尤其是低质量区域的特征。
• 通过识别如PISN/PPISN等校准质量尺度，为未来的宇宙学测量奠定基础。

提出的方法

• 以截断幂律作为主星质量分布的基准参数模型。
• 对幂律应用非参数化的三次样条扰动，以捕捉偏离平滑幂律行为的偏差。
• 采用贝叶斯推断与分层建模方法，估计样条节点的位置与振幅。
• 通过后验预测检查验证模型拟合效果，与Powerlaw+Peak和BrokenPowerlaw等更简单的参数模型进行对比。
• 使用bilby和GWPopulation软件框架进行似然评估与采样。
• 通过允许节点位置在后续扩展中变化，实现自适应分辨率。

实验结果

研究问题

• RQ1 当使用对幂律的灵活非参数扰动时，BBH主星质量分布中35M⊙的峰值是否依然存在？
• RQ2 在标准幂律或峰值模型之外，BBH质量分布中是否还存在其他特征，尤其是低质量区域的特征？
• RQ3 该半参数模型能否检测出参数模型中可能暗示多种形成通道或恒星物理效应的偏差？
• RQ4 与既有的参数模型（如Powerlaw+Peak和BrokenPowerlaw）相比，样条模型对数据的拟合效果如何？
• RQ5 该方法能否扩展至多维参数空间，以揭示如质量-自旋相关性等特征，从而指示分层并合过程？

主要发现

• 样条扰动模型以超过97%的可信度在主星质量分布中恢复出35M⊙的峰值，证实了Powerlaw+Peak模型先前的结果。
• 该模型揭示了质量分布中潜在的低质量特征，与Tiwari & Fairhurst（2021）使用非参数高斯混合模型报告的线索一致。
• 后验预测检查显示，样条模型对高质质量结构的拟合效果至少与Powerlaw+Peak模型相当，同时具备更强的灵活性以捕捉低质量过剩。
• 观测到的特征与脉动对不稳定超新星（PPISNe）等天体物理起源一致，后者可能在35M⊙附近产生质量堆积。
• 该方法提供了一种稳健且偏差最小化的质量分布结构测量方法，无需假设特定函数形式。
• 随着更大星表的出现，该模型可分辨更精细的特征，并利用PISN/PPISN物理提供的校准质量尺度实现宇宙学测量。