面向LISA数据分析的高效GPU加速多源全局拟合管线
广义相对论与量子宇宙学
2024-12-12 v2 高能天体物理现象
天体物理仪器与方法
摘要
解密LISA数据流中引力波信号的大规模分析任务将面临巨大的挑战，需要大量的计算资源和广泛的算法方法开发。其高维度、多种模型类型以及复杂的噪声轮廓要求同时对所有参数和输入模型进行全局拟合。本文详细介绍了我们设计的名为"Erebor"的全局拟合算法，旨在完成这一挑战性任务。它能够处理当前最先进的数据集，并在管道的各个组成部分完成并添加后继续发展。我们描述了管道策略、算法设置以及对LDC2A Sangria数据集分析结果，该数据集包含大质量黑洞二元系统、星际紧凑二元系统以及参数用户未知的参数化噪声谱。Erebor算法包含三个独特且非常有用的贡献：GPU加速以提高计算效率；采用多个MCMC步行者进行ensemble MCMC抽样，以获得更好的混合并实现并行样本创建；以及对可逆跳跃(或跨维度)抽样分布进行特殊的在线更新，以确保抽样器的混合并为可检测源在数据中的初始估计提供准确值。我们在LDC2A训练(隐藏)数据集中成功恢复了所有15(6)个注入的MBHBs的后验分布。我们为训练和隐藏数据集分别目录了约12000个星际紧凑二元系统(约8000个高置信度检测)。所有来源及其后验分布均提供给公开可用的数据目录。
引用
@article{arxiv.2405.04690,
title = {An efficient GPU-accelerated multi-source global fit pipeline for LISA data analysis},
author = {Michael L. Katz and Nikolaos Karnesis and Natalia Korsakova and Jonathan R. Gair and Nikolaos Stergioulas},
journal= {arXiv preprint arXiv:2405.04690},
year = {2024}
}
备注
29 pages, 9 figures, appendices