Efficient waveforms for asymmetric-mass eccentric equatorial inspirals into rapidly spinning black holes
Notice bibliographique
Résumé
Observations of gravitational-wave signals emitted by compact binary inspirals provide unique insights into their properties, but their analysis requires accurate and efficient waveform models. Intermediate- and extreme-mass-ratio inspirals (I/EMRIs), with mass ratios q ≳ 10 2 , are promising sources for future detectors such as the Laser Interferometer Space Antenna (LISA). Modeling waveforms for these asymmetric-mass binaries is challenging, entailing the tracking of many harmonic modes over thousands to millions of cycles. The FastEMRIWaveforms () modeling framework addresses this need, leveraging precomputation of mode data and interpolation to rapidly compute adiabatic waveforms for eccentric inspirals into zero-spin black holes. In this work, we extend to model eccentric equatorial inspirals into black holes with spin magnitudes | a | ≤ 0.999 . Our model supports eccentricities e ≤ 0.9 and semilatus recta p ≤ 200 , enabling the generation of long-duration IMRI waveforms, and produces waveforms in ∼ 100 ms with hardware acceleration. Characterizing systematic errors, we estimate that our model attains mismatches of ∼ 10 − 5 (for LISA sensitivity) with respect to error-free adiabatic waveforms over the majority of the parameter space. We find that kludge models can introduce errors in signal-to-noise ratios (SNRs) as great as − 40 % + 60 % and induce marginal biases of up to ∼ 1 σ in parameter estimation. We show that LISA’s horizon redshift for I/EMRI signals varies significantly with a , reaching a redshift of 3 (15) for EMRIs (IMRIs) with only minor ( ∼ 10 % ) dependence on e for an SNR threshold of 20. For signals with SNR ∼ 50 , spin and eccentricity at plunge are measured with uncertainties of δ a ∼ 10 − 7 and δ e f ∼ 10 − 5 . This work advances the state of the art in waveform generation for asymmetric-mass binaries, providing open-source tools for the investigation of I/EMRI astrophysics and data analysis.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».