Advanced LIGO 与 Advanced Virgo 选择函数的神经网络模拟器

搜索选择效应的表征是引力波数据分析的核心组成部分。预测未来巡天的观测前景需要选择效应的知识，这对于从观测到的致密双星并合星表中对天体物理源族群进行统计推断也是必不可少的。尽管引力波选择函数可以通过注入活动——即将模拟信号添加到真实仪器数据中并尝试恢复——来直接测量，但此类工作计算成本高昂。此外，无法在离散注入之间进行插值，限制了我们研究致密双星族群中狭窄或不连续特征的能力。因此，越来越需要引力波选择函数的替代表示，这些表示计算评估成本低廉，并且可以在连续的致密双星参数范围内进行计算。在本文中，我们描述了这样一种表示。使用 Advanced LIGO 和 Advanced Virgo 第三次观测运行（O3）期间执行的流水线注入，我们训练了一个神经网络模拟器，用于 $P(\mathrm{det}|\theta)$，即在 O3 期间平均的、给定参数的致密双星被成功探测到的概率。该模拟器捕捉了 $P(\mathrm{det}|\theta)$ 对双星质量、自旋、距离、天空位置和轨道方向的依赖关系，并且适用于组件质量在 $1$--$100\,M_\odot$ 之间的致密双星。我们测试了该模拟器生成可探测事件准确分布的能力，并展示了其在双黑洞族群分层推断中的应用。