将LIGO数据质量流信息纳入PyCBC引力波搜索
广义相对论与量子宇宙学
2022-12-07 v1 天体物理仪器与方法
摘要
我们提出了一种新方法，用于在PyCBC对致密双星并合引力波的搜索中，考虑引力波探测器噪声特性随时间的变化。我们利用监控各探测器及其环境状态的LIGO数据质量流信息，对各探测器中噪声率的变化进行建模。这些数据质量流使得在探测器故障期间数据中识别出的候选事件能够更高效地作为噪声被剔除。该方法允许将探测器状态的机器学习预测数据作为PyCBC搜索的一部分纳入，从而使可探测引力波信号总数最多增加5%。当同时使用机器学习分类和人工生成的标志来搜索LIGO-Virgo第三次观测运行的数据时，与不使用任何数据质量流相比，可探测引力波信号总数最多增加20%。我们还展示了该方法具有足够的灵活性，可纳入大量额外的任意数据流的信息，从而有可能进一步提高搜索的灵敏度。
引用
@article{arxiv.2204.03091,
title = {Incorporating information from LIGO data quality streams into the PyCBC search for gravitational waves},
author = {Derek Davis and Max Trevor and Simone Mozzon and Laura K. Nuttall},
journal= {arXiv preprint arXiv:2204.03091},
year = {2022}
}
备注
14 pages, 5 figures