面向引力波天文学的模型无关人口推断: 从 LIGO 到 LISA
天体物理仪器与方法
2026-02-03 v1 高能天体物理现象
广义相对论与量子宇宙学
摘要
推断致密二元合并的内在人口，受到探测器选择偏差和测量不确定性的复杂制约。传统的参数方法受限于需要预先假设函数形式，引入模型依赖性偏差。为克服这些限制，我们引入了一个由深度生成模型驱动的推断框架。我们开发了一个灵活、数据驱动的人口模型，基于相关复合混合密度网络。该网络整合了混合模型以处理多模态性、高斯 copula 用于参数依赖性，以及灵活的边缘分布库。该网络通过在引力波事件目录上使用 Normalizing Flows 进行 amortize 变分推断来近似人口超参数的后验分布。我们在两个不同场景中展示了该框架的能力。首先，我们使用 Laser Interferometer Space Antenna (LISA) 的仿真超大质量黑洞二元合并目录，表明该方法准确恢复复杂的三维分布和绝对合并率，有效纠正了选择效应和测量不确定性。其次，我们在 LIGO-Virgo-KAGRA GWTC-3 目录的真实观测数据上进行了验证，成功地使用注入方法的选择效应校正来推断恒星质量二元黑洞人口。我们的结果确认该方法是稳健的、可扩展的，并且适用于不同探测灵敏度和源人口。
引用
@article{arxiv.2602.00195,
title = {Model-Agnostic Population Inference for Gravitational-Wave Astronomy: From LIGO to LISA},
author = {Yi-kun Li and Cheng Cheng and Lang Cui and Yun Fang},
journal= {arXiv preprint arXiv:2602.00195},
year = {2026}
}