[论文解读] Parameter Estimation for GW170817 using Relative Binning

Liang Dai, Tejaswi Venumadhav+1 more|arXiv (Cornell University)|Jun 22, 2018

Pulsars and Gravitational Waves Research被引用 15

一句话总结

本文提出了一种名为相对分箱（relative binning）的快速似然评估方法，以实现使用LIGO数据对GW170817双中子星并合事件进行高效参数估计。该方法在计算资源极少的情况下实现了高精度，后验分布与先前结果一致，未发现非零对齐自旋或潮汐可变形性的显著证据，即使在高自旋先验下也是如此。

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.

研究动机与目标

• 开发一种基于相对分箱的计算高效似然评估技术，用于引力波参数估计。
• 将该方法应用于使用公开LIGO数据对GW170817双中子星并合事件进行精确参数估计。
• 检验数据是否支持该并合事件中非零对齐自旋或潮汐可变形性。
• 公开提供后验样本和用于相对分箱快速似然评估的教程Python代码。

提出的方法

• 通过使用基准波形一次性总结数据，相对分箱方法加速了似然评估，使得在参数空间中可快速重新评估似然。
• 该方法从减去噪声的应变数据中计算摘要统计量，并利用它们高效评估似然，而无需重新计算完整的内积。
• 通过使用最佳拟合参数估计值迭代优化基准波形，以在采样过程中提高精度。
• 使用马尔可夫链蒙特卡洛（emcee）和嵌套采样（pyMultiNest）对内在和外在参数的后验分布进行采样。
• 对外在参数（距离、相位、时间）在每个探测器上独立进行解析边际化，以降低维度。
• 在23–1500 Hz频段内以频域计算似然，使用包含潮汐和自旋效应的IMRPhenomD_NRTidal波形模型。

实验结果

研究问题

• RQ1 相对分箱能否在计算资源有限的条件下，实现对GW170817的快速且精确的参数估计？
• RQ2 在高自旋先验下，GW170817事件中是否存在非零对齐自旋的显著证据？
• RQ3 数据是否支持GW170817中中子星具有非零潮汐可变形性？
• RQ4 相对分箱的结果与传统方法及已发表结果（如Abbott et al. 2018）相比如何？
• RQ5 相对分箱能否高效比较不同波形模型，并通过贝叶斯证据测试物理假设？

主要发现

• 相对分箱方法仅需约150核心小时和约3×10^8个样本，即可实现对GW170817的精确参数估计，结果与先前研究一致。
• 无论使用高自旋还是低自旋先验，均未发现非零对齐自旋的统计显著证据。
• 贝叶斯证据比较表明，不存在非零潮汐可变形性的显著证据：无潮汐模型的log Z为557.87 ± 0.05，而完整模型为554.82 ± 0.06。
• 相对分箱得到的后验分布与emcee和pyMultiNest的结果高度一致，验证了该方法的准确性。
• 该方法允许高效模型比较：质量相等、无自旋、无潮汐的模型被强烈排斥（log Z = 549.12 ± 0.04），表明物理参数是必要的。
• 在1500 Hz处，IMRPhenomD_NRTidal模型下潮汐可变形性（Λ̃）的后验分布显示出一个次峰，但该特征在使用TaylorF2模型时显著减弱，凸显了模型依赖性。