先进 LIGO 前两次观测运行中致密双星并合的层级搜索

探测大量致密双星并合（CBCs）是当前及未来地基引力波（GW）探测器的主要目标之一。虽然提高探测器灵敏度对实现这一目标至关重要，但高效的数据分析策略也能发挥关键作用。在给定计算能力下，高效的数据分析技术可以扩展参数空间的大小和维度，以搜寻各类 GW 源。基于匹配滤波的分析依赖建模信号来产生足够的信噪比以检测信号，若参数空间受限则可能遗漏信号。具体而言，CBC 搜索目前仅限于非进动双星，即组件自旋与轨道角动量平行或反平行。因此，CBC 的层级搜索具有充分动机。该搜索的第一阶段通过对粗采样数据使用粗糙模板库进行匹配滤波来寻找候选事件。随后在这些候选事件参数空间邻域内进行精细搜索跟进。执行此类搜索可大幅节省计算成本。在此我们报道了层级搜索作为基于 PyCBC 的生产流水线首次成功实现，用于对 LIGO 观测运行进行完整分析。据此，我们分析了先进 LIGO 的第一次和第二次观测运行数据。我们利用缩放背景以几乎相同的显著性恢复了 LIGO-Virgo 合作组发布的首个 GW 目录 GWTC-1 中 PyCBC（平坦）搜索探测到的所有事件。分析中，我们计算量相比平坦搜索令人瞩目地减少了 20 倍。通过标准注入研究，我们表明层级搜索的灵敏度在误差范围内与平坦搜索相当。