Unmodelled clustering methods for gravitational wave populations of compact binary mergers
Unmodelled clustering methods for gravitational wave populations of compact binary mergers
复制标题
紧凑双星并合引力波群的未建模聚类方法
DOI：
10.1093/mnras/stz1938
复制
发表时间：
2019
影响因子：
4.8
通讯作者：
P. Tiňo
中科院分区：
文献类型：
--
作者：
J. Powell;S. Stevenson;I. Mandel;P. Tiňo
由于其形成过程涉及复杂的天体物理学，致密双星引力波源的质量和自旋分布目前尚不确定。代表不同演化场景的致密双星的多个子群可能存在于高级 LIGO 和高级 Virgo 检测到的源中。除了分层建模之外，未建模的方法还可以帮助确定子群体的数量及其属性。在本文中，我们将高斯混合模型聚类应用于来自五个子群混合的 1000 个模拟引力波致密二元源。使用质量和自旋作为输入参数，我们确定需要多少次二元检测才能准确确定子群的数量及其质量和自旋分布。在我们考虑的最困难的情况下，两个子群具有相同的质量分布，但自旋不同，这受到引力波检测的约束很差，我们发现需要〜400次检测才能识别正确的子群数量。
The mass and spin distributions of compact binary gravitational-wave sources are currently uncertain due to complicated astrophysics involved in their formation. Multiple sub-populations of compact binaries representing different evolutionary scenarios may be present amongst sources detected by Advanced LIGO and Advanced Virgo. In addition to hierarchical modelling, unmodelled methods can aid in determining the number of sub-populations and their properties. In this paper, we apply Gaussian mixture model clustering to 1000 simulated gravitational-wave compact binary sources from a mixture of five sub-populations. Using both mass and spin as input parameters, we determine how many binary detections are needed to accurately determine the number of sub-populations and their mass and spin distributions. In the most difficult case that we consider, where two sub-populations have identical mass distributions but differ in their spin, which is poorly constrained by gravitational-wave detections, we find that ∼400 detections are needed before we can identify the correct number of sub-populations.
登录
查看更多内容
DOI：
10.3847/2041-8213/aa9bf6
发表时间：
2017-09
期刊：
The Astrophysical Journal Letters
影响因子：
--
作者：
M. Fishbach;D. Holz
通讯作者：
M. Fishbach;D. Holz
DOI：
10.3847/2041-8213/aaf97b
发表时间：
2018-10
期刊：
The Astrophysical Journal Letters
影响因子：
--
作者：
Y. Qin;P. Marchant;T. Fragos;G. Meynet;V. Kalogera
通讯作者：
Y. Qin;P. Marchant;T. Fragos;G. Meynet;V. Kalogera
影响因子：
8.6
作者：
Ajith, P.;Hannam, M.;Seiler, J.
通讯作者：
Seiler, J.
影响因子：
7.9
作者：
Farr, Ben;Holz, Daniel E.;Farr, Will M.
通讯作者：
Farr, Will M.
影响因子：
8.6
作者：
Abbott, B. P.;Abbott, R.;Zweizig, J.
通讯作者：
Zweizig, J.