考虑已知未知：在引力波参数估计中纳入系统性波形误差的参数化框架

引力波并合事件的参数估计（PE）依赖于通过数值模拟校准的波形模型。在贝叶斯框架内，该波形模型表示并合期间产生的引力波信号，对于估计似然函数至关重要。然而，这些波形模型可能存在系统性误差，且在参数空间中各处有所不同。在当前的数据分析流程中解决这些误差是一个活跃的研究领域。我们引入了参考波形模型振幅和相位不确定性的参数化。当波形模型振幅和相位的误差预算作为频率的函数已知时，它可用作贝叶斯框架中的先验分布。我们还表明，在没有任何波形不确定性误差预算知识的情况下，可以使用保守先验来量化波形建模中的不确定性。通过零噪声注入和参数估计恢复，我们证明，对于类 GW150914 信号和高级 LIGO 探测器灵敏度，相对实际波形模型的相位即使存在 1%-2% 的误差，也会在恢复的参数中引入偏差。当我们在参数估计框架内考虑波形不确定性时，这些偏差可以得到纠正。通过分析一系列来自轨道旋进并合的模拟信号，并使用无自旋波形模型进行恢复，我们证明可以降低系统性误差与统计误差的比率。这种方法使我们能够解决波形建模中缺失特定物理效应的场景。实现我们的参数化以执行参数估计的代码以 Python 包 "pycbc_wferrors_plugin" 的形式提供，与 PyCBC 开源引力波分析库兼容。