Improving the detection sensitivity to primordial stochastic gravitational waves with reduced astrophysical foregrounds
Notice bibliographique
Résumé
One of the primary targets of third-generation (3G) ground-based gravitational wave (GW) detectors is detecting the stochastic GW background (SGWB) from early Universe processes. The astrophysical foreground from compact binary mergers will be a major contamination to the background, which must be reduced to high precision to enable the detection of the primordial background. In this work, we revisit the limit of foreground reduction computed in previous studies, point out potential problems in previous foreground cleaning methods, and propose a novel cleaning method subtracting the approximate signal strain and removing the average residual power. With this method, the binary black hole foreground is reduced with fractional residual energy density below ${10}^{\ensuremath{-}4}$ for frequency $f\ensuremath{\in}(10,{10}^{2})\text{ }\text{ }\mathrm{Hz}$, below ${10}^{\ensuremath{-}3}$ for frequency $f\ensuremath{\in}({10}^{2},{10}^{3})\text{ }\text{ }\mathrm{Hz}$ and below the detector sensitivity limit for all relevant frequencies in our simulations. Similar precision is achieved to clean the foreground from binary neutron stars (BNSs) that are above the detection threshold, so that the residual foreground is dominated by subthreshold BNSs, which will be the next critical problem to solve for detecting the primordial SGWB in the 3G era.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».