训练神经网络以快速识别下质量间隙中的引力波事件候选对象

引导上下质子星 (NS) 与最轻黑洞 (BH) 之间物理界限目前尚不确定，但可能通过新的观测来加以限制。虽然已观察到质量可达约 $2~M_{\odot}$ 的 NS，但在 $\sim2-5~M_{\odot}$ 范围内的电磁观测对象较少见，这一范围被称为下质量间隙。最近的引力波 (GW) 信号观测表明，来自 LIGO-Virgo-KAGRA (LVK) 合作检测到的二元合并事件暗示该间隙可能并非空无一物。快速区分某一候选 GW 事件是否包含该下质量间隙内的成分，可指示其是否伴随可检测的电磁信号，从而决定后续观测的决策。在本工作中，我们训练了一个神经网络模型 GWSkyNet-MassGap，同时预测候选合并事件是否包含下质量间隙内的成分 ($P_{\mathrm{MassGap}}$) 以及是否涉及 NS ($P_{\mathrm{NS}}$)。我们发现，该模型能够推断源哈克质量信息，以预测 $P_{\mathrm{MassGap}}$ 和 $P_{\mathrm{NS}}$，从而对高质量合并 ($\mathcal{M}_c\gtrsim15~M_{\odot}$) 进行正确预测，但对于较低质量系统的预测不够准确，这需要了解二元质量比才能消除质量混淆。对于 LVK 第四次观测运行 (O4a) 中候选事件，模型对 $P_{\mathrm{MassGap}}$ 的平均预测误差为 9%，对 $P_{\mathrm{NS}}$ 的平均预测误差为 6%。该模型可进一步开发，用于在未来的观测运行中快速预测源哈克质量。