[论文解读] Overtones, mirror modes, and mode-mixing in binary black hole mergers

Arnab Dhani, B. S. Sathyaprakash|arXiv (Cornell University)|Jul 29, 2021

Pulsars and Gravitational Waves Research被引用 7

一句话总结

本研究利用数值 relativity 波形，研究了在双黑洞并合的 ringdown 阶段中，泛音、镜像模态和模态混合的作用。研究发现，首个泛音主导了主导模态，模态混合对亚主导模态至关重要，而镜像模态显著影响 $m=1$ 模态，尽管它们并未显著改善残余参数估计，尽管减少了失配。

ABSTRACT

Gravitational waves emitted in the aftermath of a black hole binary coalescence have characteristic complex frequencies called quasinormal modes (QNMs). These can be used to test the nature of the merger remnant, e.g. a test of the black hole "no-hair" theorem. The relative excitation amplitudes of the QNMs contain information about the progenitor system and can be employed to test the consistency between the pre- and post-merger signals. The post-merger signal from numerical relativity (NR) simulations of binary black holes exhibit a rich structure that has to be understood to fully exploit the information contained therein. In this study, we examine the importance of \emph{overtones} and \emph{mirror} modes for a set of mass ratios of non-spinning black hole binaries and a host of multipole modes corresponding to spherical harmonic indices $l\leq4$ and $m\leq3.$ We find that the first overtone is most important in the leading mode for a given $m$ and decreases for sub-dominant modes. The contribution of the fundamental mirror mode is most significant for $m=1$ and increases with mass ratio, although the model systematics are not affected significantly by mirror modes. Mode-mixing is the dominant effect for the sub-leading modes of a given $m$ and minimally affects the leading mode.

研究动机与目标

• 理解泛音、镜像模态和模态混合对双黑洞并合后合并阶段引力波信号的贡献。
• 评估这些效应如何影响从 ringdown 波形中对残余参数（质量与自旋）估计精度的影响。
• 评估不同 ringdown 起始时间对模型系统误差和参数恢复保真度的影响。
• 确定在建模亚主导球谐模态时，哪些物理效应——泛音、镜像模态或模态混合——最为关键。
• 测试在不同假设下包含高阶 QNM 成分时，参数估计的鲁棒性。

提出的方法

• 使用非自旋双黑洞的数值 relativity (NR) 波形，质量比为 $q = 1, 1.25, 2, 10$，且 $l \leq 4$，$m \leq 3$。
• 通过不同 $l$ 和 $m$ 的 QNM 线性组合，使用包含基本 QNM、首个泛音、镜像模态和模态混合的模型拟合 NR 波形。
• 采用时域拟合程序，起始时间为 $t_0 - t_{\text{peak}} = 20M$，以误差度量 $\epsilon$ 衡量最佳拟合残余参数与真实 NR 值之间的偏差。
• 比较包含与不包含模态混合、泛音和镜像模态贡献的模型，以分离其对失配和参数恢复的独立影响。
• 分析模态频率和振幅演化，以识别由镜像模态和模态混合引起的高频调制。
• 改变 ringdown 起始时间（$t_0 - t_{\text{peak}}$），以评估其对模型系统误差和参数估计误差的影响。

实验结果

研究问题

• RQ1 泛音如何影响双黑洞 ringdown 中主导模态和亚主导模态的残余参数估计精度？
• RQ2 镜像模态在塑造 ringdown 信号的频率和振幅演化方面起什么作用，特别是对 $m=1$ 模态？
• RQ3 不同 $l$ 和 $m$ QNM 之间的模态混合在多大程度上影响亚主导球谐模态的建模？
• RQ4 包含泛音、镜像模态和模态混合如何影响 NR 波形与解析 QNM 模型之间的失配？
• RQ5 ringdown 起始时间的选择是否显著改变不同质量比和 $m$-模态下残余参数估计的系统误差？

主要发现

• 首个泛音是对给定 $m$ 的主导模态最重要的修正，但其对亚主导模态的贡献随其减弱。
• 基本镜像模态对 $m=1$ 模态的贡献最强，并且在更高质量比下变得更为重要，尽管其并未显著改善残余参数估计。
• 模态混合是给定 $m$ 下亚主导模态的主导效应，而对主导模态的影响可忽略不计，这与理论预期一致。
• 忽略模态混合会导致残余参数估计严重不准确，$\epsilon$ 值表明最佳拟合参数通常达到残余参数空间的边界。
• 尽管显著降低了失配，镜像模态并未提高参数估计的精度，表明其他波形特征主导了误差预算。
• 残余参数估计中的系统误差在不同 ringdown 起始时间下保持定性一致，验证了将 $t_0 - t_{\text{peak}} = 20M$ 作为稳健参考点的合理性。