通过方程态边际化预测黑洞-中子星合并事件的类恒星体光度曲线
高能天体物理现象
2025-03-31 v2
摘要
高效的引力波候选信号（来自致密二进制合并事件）多信使观测依赖于国际引力波网络（IGWN）低延迟报告的数据产品。虽然诸如（至少存在一个中子星的概率）和（合并后形成残余物的概率）等数据产品已存在，但这些并非潜在类恒星体的直接可观测量。本文提出新的类恒星体光度曲线和 ejecta 质量数据产品，这些数据产品通过对合并参数进行低延迟测量，并对我们对中子星方程态不确定性进行边际化处理，同时利用合并源属性（包括质量和自旋）进行测量。提出两种额外数据产品：第一种是候选事件拥有质量为的 ejecta（）的概率，称为；第二种则是基于（一种基于三维蒙特卡罗辐射传递代码的时依赖类恒星体光度曲线网格训练的替代模型）生成的估计值及其和类恒星体光度曲线预测。我们正在以IGWN低延迟警报基础设施为背景开发这些数据产品，并将致力于推广其在未来探测中的使用与发布。
引用
@article{arxiv.2410.10702,
title = {What to expect: kilonova light curve predictions via equation of state marginalization},
author = {Andrew Toivonen and Gargi Mansingh and Holton Griffin and Armita Kazemi and Frank Kerkow and Stephen K. Mahanty and Jacob Markus and Seiya Tsukamoto and Sushant Sharma Chaudhary and Sarah Antier and Michael W. Coughlin and Deep Chatterjee and Reed Essick and Shaon Ghosh and Tim Dietrich and Philippe Landry},
journal= {arXiv preprint arXiv:2410.10702},
year = {2025}
}