Next generation of accurate and efficient multipolar precessing-spin effective-one-body waveforms for binary black holes
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Spin precession is one of the key physical effects that coul unveil the origin of the compact binaries detected by ground- and space-based gravitational-wave (GW) detectors, and shed light on their possible formation channels. Efficiently and accurately modeling the GW signals emitted by these systems is crucial to extract their properties. Here, we present SEOBNRv5PHM, a multipolar precessing-spin waveform model within the effective-one-body formalism for the full signal (i.e. inspiral, merger and ringdown) of binary black holes (BBHs). In the nonprecessing limit, the model reduces to SEOBNRv5HM, which is calibrated to 442 numerical-relativity (NR) simulations, 13 waveforms from BH perturbation theory, and nonspinning energy flux from second-order gravitational self-force theory. We remark that SEOBNRv5PHM is not calibrated to precessing-spin NR waveforms from the Simulating eXtreme Spacetimes Collaboration. We validate SEOBNRv5PHM by computing the unfaithfulness against 1543 precessing-spin NR waveforms, and find that for 99.8% (84.4%) of the cases, the maximum value, in the total mass range $20--300{M}_{\ensuremath{\bigodot}}$, is below 3% (1%). These numbers reduce to 95.3% (60.8%) when using the previous version of the SEOBNR family, SEOBNRv4PHM, and to 78.2% (38.3%) when using the state-of-the-art frequency-domain multipolar precessing-spin phenomenological IMRPhenomXPHM model. Due to much better computational efficiency of SEOBNRv5PHM compared to SEOBNRv4PHM, we are also able to perform extensive Bayesian parameter estimation on synthetic signals and GW events observed by LIGO-Virgo detectors. We show that SEOBNRv5PHM can be used as a standard tool for inference analyses to extract astrophysical and cosmological information of large catalogs of BBHs.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle