当信号变得拥挤时该如何处理？重叠引力波信号的 scalable 联合分析

引力波天区正开始变得非常拥挤，LIGO 的第四次科学运行（O4）预计将探测到 $\mathcal{O}(100)$ 个致密天体并合信号。然而，当我们展望更远的未来时，数据分析问题开始浮现。特别是，随着事件率在下一代探测器等中的增加，信号同时到达探测器的可能性将越来越大，最终成为主导的源类。众所周知，当前分析流水线将难以应对这一情形，主要由于蒙特卡洛马尔可夫链和嵌套采样等传统方法的可扩展性，其中分析单个信号与多个信号之间的时间差可能显著达到数天至数月。在这项工作中，我们认为序贯基于模拟的推断方法可以通过打破这种扩展行为来解决该问题。具体而言，我们应用了一种称为（截断边缘）神经比率估计（TMNRE）的算法，该算法在 peregrine 代码中实现并基于 swyft。为展示其适用性，我们考虑了三个案例研究，包含两例重叠的、自旋且进动的双黑洞系统，其并合时间分别相隔 0.05 s、0.2 s 和 0.5 s。我们首次表明，我们可以在全联合分析中以完全精度（通过与各信号独立分析的比较量化）恢复所有 30 个模型参数的后验分布。关键在于，我们仅用了传统方法分析甚至单个信号所需波形评估次数的 $\sim 15\%$ 便实现了这一点。