用于引力波数据分析与公共预警的无似然推断
广义相对论与量子宇宙学
2025-09-29 v1 天体物理仪器与方法
摘要
快速、可靠地探测并发布引力波事件的源参数估计数据产品（尤其是天空定位），对于最大化多信使天文学的潜力至关重要。基于机器学习的探测与参数估计算法正逐渐成为传统方法的成熟替代方案。在此，我们报告了对 AMPLFI 的验证研究，这是一种用于双黑洞低延迟参数估计的无似然推断解决方案。我们使用注入到 LIGO-Virgo-KAGRA (LVK) 第三次观测运行 (O3) 数据中的模拟信号，将其天空定位性能与 BAYESTAR 进行比较，后者是目前用于对匹配滤波管线候选事件进行快速天空定位的算法。我们证明了以搜索面积和体积衡量的天空定位性能与 BAYESTAR 相当。我们展示了带有不确定性的源参数准确重建，可用于分发低延迟的粗粒度啁啾质量信息。此外，我们分析了 LVK 在第三次引力波暂现源目录 (GWTC-3) 中报告的若干候选事件，并表明其与 LVK 的分析结果一致。总而言之，我们展示了 AMPLFI 生成低延迟公共预警数据产品的能力。
引用
@article{arxiv.2509.22561,
title = {Likelihood-free inference for gravitational-wave data analysis and public alerts},
author = {Ethan Marx and Deep Chatterjee and Malina Desai and Ravi Kumar and William Benoit and Argyro Sasli and Leo Singer and Michael W. Coughlin and Philip Harris and Erik Katsavounidis},
journal= {arXiv preprint arXiv:2509.22561},
year = {2025}
}