基于学习字典的核心坍缩超新星爆发机制分类
广义相对论与量子宇宙学
2022-03-30 v1 高能天体物理现象
天体物理仪器与方法
太阳与恒星天体物理
摘要
核心坍缩超新星 (CCSN) 是引力波的主要来源。对其典型频率的估计使它们成为当前先进地面探测器网络的完美目标。成功的探测有可能通过分析波形揭示潜在的爆发机制。这一点已使用超新星模型证据提取器 (SMEE; Logue et al. (2012)) 得到说明，这是一种基于主成分分析和贝叶斯模型选择的算法。在此，我们提出了一种基于（有监督）字典学习且与 SMEE 互补的方法，并表明它能够根据形态重建和分类 CCSN 信号。我们的波形信号获取自：(a) 两个公开可用的目录，由中微子驱动 (Mur) 和磁旋转 (Dim) CCSN 爆炸的数值模拟构建，以及 (b) 第三个由模拟正弦高斯 (SG) 波形组成的“模拟”目录。这些信号被注入有色高斯噪声中，以模拟 Advanced LIGO 在其宽带配置下的背景噪声，并缩放至可自由指定的信噪比 (SNR)。我们表明，我们的方法正确分类了来自所有三个字典的信号。特别是，对于 SNR=15-20，我们获得了 Dim 和 SG 信号的完美匹配，以及大约 85% 的 Mur 信号正确分类。当这些 CCSN 信号仅注入一个 LIGO 探测器时，这些结果与 SMEE 对相同 CCSN 信号报告的结果相当。我们讨论了我们方法的主要局限性以及可能的改进。
关键词
引用
@article{arxiv.2110.12941,
title = {Classification of the core-collapse supernova explosion mechanism with learned dictionaries},
author = {Ainara Saiz-Pérez and Alejandro Torres-Forné and José A. Font},
journal= {arXiv preprint arXiv:2110.12941},
year = {2022}
}