Blinded Mock Data Challenge for Gravitational-wave Cosmology. I. Assessing the Robustness of Methods Using Binary Black Hole Mass Spectrum
Notice bibliographique
Résumé
Abstract Gravitational wave sources are standard sirens that provide an independent way to map the cosmic expansion history by combining with an independent redshift measurement, either from an electromagnetic counterpart for a bright siren or using different statistical techniques for dark sirens. In this analysis, we perform the first Blinded Mock Data Challenge ( Blinded-MDC ) to test the robustness in inferring the value of Hubble constant H 0 for a dark siren technique which depends on astrophysical mass distribution of binary black holes (BBHs). We have considered different analysis setups for the Blinded-MDC to test both statistical and systematic uncertainties and demonstrate the capabilities in inferring H 0 with detector sensitivity as per the fourth observation run of LIGO-Virgo-KAGRA. We find that when the astrophysical population of BBHs matches with the underlying assumption of the model, a cosmological pipeline can recover the injected parameters using the observed mass distribution. However, when the mock mass distribution of the astrophysical population depends slightly on redshift and one is ignorant about it in analyzing the data, it can cause a systematic discrepancy in the inferred value of H 0 by about 1.5 σ , above the statistical fluctuations due to noise and a limited number of events. In the future, elaborate studies will be required to mitigate systematic uncertainties due to unknown astrophysical complexities. This MDC framework sets the road map for inspecting the precision and accuracy of standard siren cosmology and provides the first insight into the robustness of the population-dependent cosmology inference in a blinded analysis setup.
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 | 0,028 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».