用机器学习插值种群合成模拟以解释引力波观测：一项案例研究
高能天体物理现象
2019-10-30 v2 广义相对论与量子宇宙学
摘要
我们报告了针对当前及未来引力波事件结合天体物理模拟进行解释的进展。一个机器学习仿真器在数值种群合成预测上训练，并被嵌入贝叶斯分层框架中。在本案例研究中，对孤立双星的一组适度但最先进的模拟在两个事件参数和一个种群参数上进行了插值。我们流水线验证过程凸显了若忽略部分事件参数可能导致选择效应估计错误，并作为系统误差传播至最终种群推断。利用 O1 和 O2 的 LIGO/Virgo 数据，我们推断双星中的黑洞最可能接受一维速度弥散 = 105+44 km/s 的诞生踢。我们的结果展示了机器学习工具与种群合成模拟及引力波数据结合使用的潜在应用。
引用
@article{arxiv.1909.06373,
title = {Machine-learning interpolation of population-synthesis simulations to interpret gravitational-wave observations: a case study},
author = {Kaze W. K. Wong and Davide Gerosa},
journal= {arXiv preprint arXiv:1909.06373},
year = {2019}
}
备注
6 pages, 3 figures