(H)DPGMM：一种用于推断黑洞质量函数的狄利克雷过程高斯混合模型层次结构
天体物理仪器与方法
2021-11-17 v1 广义相对论与量子宇宙学
摘要
我们介绍了 (H)DPGMM，一种基于狄利克雷过程高斯混合模型的层次化贝叶斯非参数方法，旨在推断天体物理对象的数据驱动群体性质，而无需依赖于任何特定的物理模型。我们在模拟数据集上考察了该模型的有效性，并证明了其能够在无需算法精细调参的情况下正确重建多种群体模型。我们将该方法应用于给定来自 LIGO 与 Virgo 的一组引力波观测推断黑洞质量函数的问题，发现 (H)DPGMM) 推断出的双黑洞质量函数与先前的估计一致，且不需要理论上驱动的参量模型。尽管观测到的系统数量仍过少而不足以进行稳健推断，(H)DPGMM 仍以与模型无关的方式证实了在所观测的并合黑洞质量函数中存在至少两个明显不同的模态，从而提示存在至少两类双黑洞系统。
引用
@article{arxiv.2109.05960,
title = {(H)DPGMM: A Hierarchy of Dirichlet Process Gaussian Mixture Models for the inference of the black hole mass function},
author = {Stefano Rinaldi and Walter Del Pozzo},
journal= {arXiv preprint arXiv:2109.05960},
year = {2021}
}
备注
14 pages, 13 figures