评估在引力波环形衰减中因瞬态噪声导致的模拟基于推断的鲁棒性

由二进制系统产生的引力波 (GW) 允许我们在强场 regime 中对广义相对论进行精密测试。环形衰减信号允许我们在 GW 天文学中以高精度探测黑洞质量和自旋参数。随着当前及下一代 GW 探测器的进步，开发基于模拟的推断方法至关重要。这在面临非标准噪声、部分数据或不完整信号模型导致无法使用解析似然函数的挑战时尤为重要。本文提出一种用于直接估计环形衰减参数的 amortization simulation-based 推断策略。具体而言，我们的方法基于 amortization 神经后验估计，这种方法为先验范围内的所有数据段训练一个神经密度估计器。结果表明，我们训练好的 amortization 网络在统计上与 established Markov-chain 方法相比实现了一致的参数估计且置信覆盖率有效，同时推断速度快了多个数量级。此外，我们评估了该方法对瞬态噪声污染的鲁棒性。我们的分析揭示了故障注入时间对估计偏差的决定性影响，尤其是在信息稀疏的信号尾部；故障强度与估计误差正相关，但在低信噪比时影响有限。质量和自旋参数对噪声最敏感。该研究不仅提供了一个高效且准确的环形衰减分析推断框架，也为在真实噪声环境下为未来 GW 天文学开发稳健数据处理管道奠定了基础。