MétaCan
Menu
← Retour à la cohorte
Enregistrement W3161163056 · doi:10.48550/arxiv.1707.00207

Gravitational wave spectroscopy of binary neutron star merger remnants with mode stacking

2017· article· en· W3161163056 sur OpenAlexaff
Huan Yang, Vasileios Paschalidis, Kent Yagi, Luis Lehner, Frans Pretorius, Nicolás Yunes

Notice bibliographique

RevuearXiv (Cornell University) · 2017
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePulsars and Gravitational Waves Research
Établissements canadiensPerimeter InstituteCanadian Institute for Advanced Research
Organismes subventionnairesnon disponible
Mots-clésNeutron starGravitational wavePhysicsAstronomyAstrophysicsStackingSpectroscopyBinary numberX-ray binaryStar (game theory)Binary starNuclear magnetic resonanceStars

Résumé

récupéré en direct d'OpenAlex

A binary neutron star (BNS) merger event has recently been observed in gravitational waves (GWs). As in the case of binary black holes, GWs generated by BNS consist of inspiral, merger, and post-merger components. Detecting the latter is important because it encodes information about the nuclear equation of state (EOS) in a regime that cannot be probed prior to merger. The post-merger signal, however, can be observed by current detectors only out to~ 10 Mpc. We carry out Monte-Carlo simulations showing that the dominant post-merger signal (the 22 mode) from individual events will likely not be observable even with the Einstein Telescope and Cosmic Explorer (CE), assuming a full year of operation, the latest merger rates, and a detection threshold with signal-to-noise ratio of 5. For this reason, we propose two methods that stack the post-merger signal from multiple events to boost the detection probability. The first method follows a commonly-used practice of multiplying the Bayes factors of individual events. The second method relies on an assumption that the mode phase can be determined from the inspiral waveform, so that coherent mode stacking of the data from different events becomes possible. Both methods significantly improve the chances of detecting the dominant post-merger signal, making a detection very likely after a year of observation with CE for certain EOS. We also show that in terms of detection, coherent stacking is more efficient in accumulating confidence. Moreover, assuming a 22 mode is detected with CE via stacking, we estimate through a Fisher analysis that the peak frequency can be measured to a statistical error of ~ 4-20 Hz for certain equations of state. Such an error corresponds to a NS radius measurement of ~ 15-56 m, a fractional relative error ~ 4 %, suggesting that systematic errors from theoretical modeling (~ 100 m) may dominate the error budget.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,053
Tête enseignante GPT0,261
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)→Même sujetPulsars and Gravitational Waves Research→Travaux en français237 207→