Neural network emulator of the Advanced LIGO and Advanced Virgo selection function
Notice bibliographique
Résumé
Characterization of search selection effects comprises a core element of gravitational-wave data analysis. Knowledge of selection effects is needed to predict observational prospects for future surveys and is essential in the statistical inference of astrophysical source populations from observed catalogs of compact binary mergers. Although gravitational-wave selection functions can be directly measured via injection campaigns---the insertion and attempted recovery of simulated signals added to real instrumental data---such efforts are computationally expensive. Moreover, the inability to interpolate between discrete injections limits the ability to which we can study narrow or discontinuous features in the astrophysical distribution of compact binary properties. For this reason, there is a growing need for alternative representations of gravitational-wave selection functions that are computationally cheap to evaluate and can be computed across a continuous range of compact binary parameters. In this paper, we describe one such representation. Using pipeline injections performed during Advanced LIGO and Advanced Virgo's third observing run (O3), we train a neural network emulator for $P(\mathrm{det}|\ensuremath{\theta})$, the probability that a given compact binary with parameters is successfully detected, averaged over the course of O3. The emulator captures the dependence of $P(\mathrm{det}|\ensuremath{\theta})$ on binary masses, spins, distance, sky position, and orbital orientation, and it is valid for compact binaries with component masses between 1 and $100{M}_{\ensuremath{\bigodot}}$. We test the emulator's ability to produce accurate distributions of detectable events, and demonstrate its use in hierarchical inference of the binary black hole population.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».