A Gaussian process framework for testing general relativity with gravitational waves

Este artículo presenta un marco de procesos gaussianos con un kernel localizado en el tiempo para probar la relatividad general utilizando datos de ondas gravitacionales de fusiones de agujeros negros binarios, encontrando ninguna evidencia de desviaciones en los eventos de GWTC-3 y restringiendo las desviaciones de deformación fraccional hasta tan bajo como el 7%.

Lo esencial

La Gran Imagen: Escuchando un "Fantasma" en la Máquina

Imagina que eres un detective tratando de resolver un misterio. Tienes un guion muy específico y perfecto sobre cómo un crimen debería ocurrir (esto es la Relatividad General, la teoría de la gravedad de Einstein). También tienes una grabación de la escena del crimen (estos son los datos de las Ondas Gravitacionales procedentes de agujeros negros que colisionan).

Por lo general, cuando reproduces la grabación, coincide perfectamente con el guion. Pero a veces, puede haber un sonido diminuto e inesperado: un crujido, un susurro o un fallo que no encaja con el guion. Ese sonido extra podría ser una pista de que el guion está equivocado y que está ocurriendo una "nueva física".

El problema es que no sabemos cómo debería sonar ese sonido extra. Podría ser un susurro, un grito, un chillido agudo o un retumbe grave. Si solo escuchas buscando un tipo específico de ruido, podrías pasar por alto la pista real.

Este artículo introduce una nueva herramienta para detectives: un marco de trabajo de "Proceso Gaussiano". En lugar de adivinar cómo suena ese ruido extraño, esta herramienta actúa como una red altamente flexible y cambiante. Lanza una red amplia para capturar cualquier tipo de sonido inesperado, siempre que siga algunas reglas básicas sobre cómo se comporta.

Cómo Funciona la Herramienta: La "Red Inteligente"

Los científicos construyeron una "red" matemática (llamada Núcleo) con tres reglas específicas basadas en lo que creen que se vería una señal de "nueva física":

1. Ocurre en el choque: Se espera que el ruido extraño ocurra justo cuando los dos agujeros negros chocan (la fusión), no mucho antes ni mucho después.
2. Tiene un ritmo: El ruido probablemente oscila (se mece de un lado a otro) a una velocidad específica, similar a la frecuencia del choque en sí.
3. Es un poco desordenado: No es una onda sinusoidal perfecta y limpia; tiene cierta aleatoriedad, como el estático en una radio.

Al programar estas reglas en su modelo informático, crearon un sistema que puede decir: "Veo un patrón aquí que encaja con nuestra idea de 'nueva física', aunque no supiéramos exactamente cómo se vería de antemano".

El Experimento: Probando la Red

El equipo probó su nueva red de tres maneras:

1. La Prueba de la "Señal Falsa": Tomaron ruido real y silencioso de los detectores LIGO e inyectaron secretamente una señal falsa de "nueva física" en él.

   • Resultado: La red la atrapó inmediatamente. Identificó correctamente: "¡Oye, hay algo aquí que no encaja con el guion estándar!" e incluso reconstruyó cómo se veía la señal falsa.

2. La Prueba del "Silencio": Observaron 174 segmentos de ruido puro donde no se inyectó ninguna señal.

   • Resultado: La red permaneció en silencio. No gritó "¡FANTASMA!" cuando no había nada allí. Esto demostró que la herramienta no está simplemente alucinando señales a partir del estático aleatorio.

3. La Prueba del "Guion Diferente": Intentaron capturar una señal que era diferente de las reglas sobre las que se construyó su red (una señal que cambiaba su ritmo con el tiempo).

   • Resultado: Aunque la señal era ligeramente diferente a sus expectativas, la red fue lo suficientemente flexible para seguirla atrapando y diciendo: "Algo va mal aquí".

La Investigación Real: Revisando 60 Colisiones de Agujeros Negros

Finalmente, aplicaron su herramienta a 60 eventos reales de ondas gravitacionales del tercer catálogo de colisiones de agujeros negros (GWTC-3). Tomaron los datos, restaron el guion perfecto de Einstein y examinaron lo que quedaba (los "residuos").

• El Veredicto: No encontraron ninguna evidencia de nueva física.
• La Conclusión: Para los 60 eventos, el ruido sobrante se veía exactamente como lo que uno esperaría del estático aleatorio o de imperfecciones menores en el equipo de grabación. Coincidía perfectamente con el guion de Einstein.

¿Qué Tan Precisos Son?

Aunque no encontraron un fantasma, establecieron un límite muy estricto sobre lo "fuerte" que podría ser un fantasma que se esconde en los datos.

Calculan que si hubiera una desviación de la teoría de Einstein, tendría que ser increíblemente pequeña. Específicamente, para un evento (GW190701 203306), pueden afirmar con un 90% de confianza que cualquier desviación es menor que el 7% de la intensidad total de la señal.

Piénsalo así: Si la señal de la onda gravitacional fuera una ola gigante del océano, estarían diciendo: "Si hay una pequeña ondulación causada por nueva física, es más pequeña que el 7% de la altura de esa ola gigante".

La Conclusión Final

Este artículo no descubre nueva física. En su lugar, construye una "red" mejor y más flexible para atraparla. Probaron esta red en datos simulados y descubrieron que funciona muy bien. Cuando la usaron en datos reales de 60 colisiones de agujeros negros, la red salió vacía.

La enseñanza: La teoría de la gravedad de Einstein sigue siendo perfecta bajo las condiciones más extremas que podemos observar. Si la nueva física se esconde en las ondas gravitacionales, lo está haciendo muy bien, y necesitamos herramientas aún más sensibles para encontrarla.

Resumen técnico

Resumen Técnico: Un Marco de Proceso Gaussiano para Probar la Relatividad General con Ondas Gravitacionales

Planteamiento del Problema
La astronomía de ondas gravitacionales (OG) ofrece una oportunidad única para probar la Relatividad General (RG) en el régimen de campo fuerte. Sin embargo, en ausencia de una teoría alternativa específica y convincente a la RG, realizar análisis que permitan una amplia gama de desviaciones potenciales es un desafío. Los métodos existentes, como las pruebas parametrizadas post-newtonianas o las pruebas de deformación residual utilizando modelos de splines y wavelets (por ejemplo, BayesWave), a menudo dependen de suposiciones específicas sobre la forma de la desviación o requieren modelos flexibles que pueden no capturar eficazmente el exceso de potencia localizado y coherente. Los autores proponen un método para buscar desviaciones de la RG en señales de fusión de agujeros negros binarios con suposiciones mínimas sobre la naturaleza específica de la desviación.

Metodología
Los autores introducen un marco de proceso gaussiano (GP) para modelar desviaciones potenciales de la RG, denotadas como $\delta s$, dentro de los datos de deformación de OG $h$. Los datos se modelan como la suma de una señal predicha por la RG ($s_{GR}$), ruido instrumental ($n$) y la señal de desviación ($\delta s$).

• Diseño del Núcleo: El núcleo del marco es un núcleo en el dominio del tiempo $K(t_i, t_j)$ diseñado para codificar creencias previas sobre la naturaleza de una desviación. Los autores asumen que, si existe una desviación, es probable que sea:

  1. Localizada en el tiempo cerca de la fusión.
  2. Caracterizada por una frecuencia específica $f_0$ (similar a la frecuencia de fusión/relajación).
  3. No necesariamente simétrica en el tiempo.

  El núcleo combina un término gaussiano (para la localización temporal), un término coseno (para la oscilación a la frecuencia $f_0$) y una función de base radial (para la estocasticidad). El núcleo se parametriza mediante un factor de escala $k_0$ (amplitud), un ancho $w$ (duración), una frecuencia característica $f_0$ y una longitud de coherencia $l$.

• Construcción de la Verosimilitud: El marco opera en el dominio de la frecuencia. El núcleo en el dominio del tiempo se transforma en un núcleo en el dominio de la frecuencia $K(f)$ utilizando una transformada discreta de Fourier y se proyecta sobre la banda de observación (50–512 Hz). La matriz de covarianza total $C(\Lambda)$ es la suma de la covarianza del ruido $N$ y la covarianza de la señal $S(\Lambda)$, donde $S$ se construye a partir del núcleo y las funciones de respuesta de antena del detector. La verosimilitud se calcula para los datos residuales $\delta h = h - s_{GR}$, donde $s_{GR}$ es la forma de onda de RG de mejor ajuste (IMRPhenomPv2).

• Inferencia: Los autores utilizan muestreo anidado (mediante dynesty y Bilby) para inferir las distribuciones posteriores de los hiperparámetros del GP ($k_0, w, f_0, l$). Definen un factor de Bayes señal-ruido ($B$) para comparar la hipótesis de una desviación ($k_0 > 0$) frente a la hipótesis de solo ruido ($k_0 = 0$).

Contribuciones y Demostraciones Clave

1. Recuperación de Señales Simuladas: El marco se probó en señales simuladas inyectadas en datos de ruido de la tercera temporada de observación (O3). El GP recuperó con éxito las desviaciones inyectadas, con distribuciones posteriores para los hiperparámetros consistentes con los valores reales. El factor de Bayes apoyó fuertemente la hipótesis de señal ($\ln B = 21.9$) para una señal inyectada con una relación señal-ruido de red (SNR) de 9.4.
2. Robustez frente al Ruido: Los autores analizaron 174 segmentos de ruido instrumental (pre-evento) para establecer una distribución de fondo para el factor de Bayes. Descubrieron que los segmentos de ruido realistas generalmente producían factores de Bayes bajos, aunque notaron que la presencia de glitches no identificados podría producir valores atípicos.
3. Flexibilidad del Modelo: El marco se probó contra una señal que viola la RG y que no se derivaba del núcleo (un coeficiente de fase post-newtoniano modificado $\beta_2$). El GP detectó con éxito la desviación ($\ln B = 13.02$), demostrando que el modelo puede capturar desviaciones incluso si no coinciden perfectamente con la forma funcional específica del núcleo, particularmente para la parte posterior a la fusión de la señal.

Resultados de GWTC-3
Los autores aplicaron el marco a 60 eventos de agujeros negros binarios del Catálogo de Transitorios de Ondas Gravitacionales 3 (GWTC-3) detectados tanto por LIGO Hanford (H1) como por Livingston (L1).

• Sin Evidencia de Desviación: Ninguno de los 60 eventos mostró evidencia de una desviación de la RG. La distribución de los factores de Bayes para los eventos de OG fue consistente con la distribución de fondo derivada de los segmentos de ruido.
• Evento Más Significativo: El evento con el factor de Bayes más alto fue GW190916 200658 ($\ln B = 4.71$, $p=0.03$). Los autores señalan que esto es estadísticamente esperado dado el número de eventos probados y que la significancia disminuyó ligeramente ($\ln B = 3.85$) al marginalizar sobre las incertidumbres en los parámetros de la forma de onda de RG.
• Límites Superiores: En ausencia de detecciones, los autores calcularon límites superiores sobre la desviación fraccional en la deformación de OG. Para el evento GW190701 203306, restringieron la amplitud máxima de la desviación fraccional a tan solo el 7% (credibilidad del 90%) de la amplitud de la deformación de RG.

Significado y Afirmaciones
El artículo afirma proporcionar una herramienta flexible y de suposición mínima para detectar desviaciones de la RG en los datos residuales de OG. Los autores enfatizan que su marco es una herramienta de detección en lugar de una prueba definitiva de nueva física. Declaran explícitamente que, si se detectara una desviación, podría surgir de una verdadera violación de la RG o, más probablemente, de una especificación incorrecta en los modelos de análisis (por ejemplo, modelado de ruido o aproximantes de formas de onda).

Los autores concluyen que, aunque su método es computacionalmente costoso (escalando como $O(n^3)$ debido a la inversión de la matriz de covarianza), restringe con éxito las desviaciones en los datos actuales. Sugieren que se requerirían desviaciones repetidas e inexplicables de los mejores bancos de plantillas para considerar seriamente la hipótesis alternativa de una violación de la RG. Se propone trabajo futuro para mejorar la escalabilidad computacional y para adaptar potencialmente el marco para modelar glitches de ruido.