Quasinormal mode content of binary black hole ringdowns

Resumen Técnico: Contenido de Modos de Cuasinormalidad en el Ringdown de Agujeros Negros Binarios

Planteamiento del Problema
Tras la fusión de agujeros negros (BH) binarios, el remanente se establece en un estado estacionario mediante la emisión de ondas gravitacionales (GW) conocidas como ringdown. Esta fase se describe teóricamente como una perturbación del agujero negro de Kerr final, caracterizada por modos de cuasinormalidad (QNM)—oscilaciones sinusoidales amortiguadas. Mientras que el modo cuadrupolar fundamental se detecta rutinariamente, la importancia relativa de los modos subdominantes (sobretonos, modos retrógrados y modos no lineales) sigue sin estar clara y depende de las propiedades de la binaria progenitora.

Determinar el contenido preciso de modos en las formas de onda numéricas es un desafío debido a las ambigüedades al definir el tiempo de inicio del ringdown ($t_0$), la presencia de no linealidades no capturadas por la teoría de perturbaciones lineales, y el riesgo de sobreajuste (overfitting) al incluir numerosos QNMs. Los enfoques previos se han basado principalmente en ajustes de mínimos cuadrados para armónicos individuales, evaluados mediante métricas simples de desajuste (mismatch), lo que a menudo requiere ajustes ad hoc como ajustes de frecuencia libre o comprobaciones de estabilidad de amplitud.

Metodología
Los autores presentan un marco de trabajo totalmente bayesiano y basado en datos para identificar el contenido de QNM en formas de onda de alta precisión de Evolución Cauchy–Característica (CCE) provenientes del catálogo público de SpECTRE CCE.

• Fuente de la Forma de Onda: El estudio utiliza simulaciones evolucionadas hacia el infinito nulo futuro ($\mathscr{I}^+$) utilizando CCE, lo que proporciona una solución exterior basada en cortes nulos. Las formas de onda se transforman al marco de superreposición (superrest frame) y se procesan para considerar la incertidumbre numérica mediante un modelo de proceso gaussiano motivado físicamente y entrenado con el catálogo.
• El Modelo: La señal de GW se descompone en armónicos esféricos ponderados por espín. El modelo de ringdown es una suma de:
  • QNMs Lineales: Sinusoides amortiguadas con frecuencias y coeficientes de mezcla de modos derivados de la teoría de perturbaciones de BH, dependientes de la masa remanente ($M_f$) y el espín ($\chi_f$).
  • QNMs No Lineales: Términos predichos por la teoría de perturbaciones de segundo y tercer orden, incluyendo interacciones cuadráticas (pares de modos lineales) y cúbicas (trios de modos lineales).
  • Desplazamientos y Colas (Offsets and Tails): Desplazamientos constantes para cada armónico y colas de potencia de tiempo tardío (Price tails), aunque estas últimas se tratan por separado.
• Algoritmo de Construcción del Modelo:
  1. Selección de Candidatos: Un conjunto de modos candidatos ($C$) incluye QNMs lineales (hasta el sobretono $n=6$), modos retrógrados, desplazamientos constantes y combinaciones no lineales específicas.
  2. Detección Iterativa: Comenzando con un modelo vacío, el algoritmo añade iterativamente el candidato que maximiza el factor de Bayes (significancia $S_c$) respecto al conjunto de modos detectados actualmente ($D$). Este proceso continúa hasta que ningún candidato restante supera un umbral de significancia ($S_{threshold} \approx 0.9999$, correspondiente a $\sim 4\sigma$).
  3. Comprobaciones de Predicción Posterior (PPC): Para prevenir el sobreajuste o el subajuste, el modelo final se somete a una PPC. La amplitud de los residuos del ajuste se compara contra la distribución esperada derivada del modelo de proceso gaussiano del ruido numérico. Un ajuste deficiente (valor alto de la función de distribución acumulada) indica que el modelo es inadecuado para ese tiempo de inicio específico.
  4. Búsqueda de Colas: Un análisis separado busca colas de potencia mediante la marginalización sobre parámetros oscilatorios, fijando el contenido oscilatorio a los modos detectados por el algoritmo principal.

Resultos Clave
El marco fue aplicado a 13 simulaciones numéricas a través de una amplia gama de tiempos de inicio ($t_0$).

• Sobretonos de Alto Orden: Para tiempos de inicio tempranos ($t_0 \lesssim 9M$), el algoritmo identifica con confianza múltiples sobretonos de alto orden (hasta $n=6$) a través de varios armónicos esféricos. A medida que $t_0$ aumenta, estos sobretonos desaparecen de manera predecible, consistente con sus tasas de decaimiento más rápidas.
• Modos No Lineales: El estudio identifica QNMs no lineales, incluyendo modos cuadráticos (por ejemplo, $(2,2,0,+)^2$) y un modo cúbico ($(2,2,0,+)^3$). Estos modos no lineales persisten más tiempo que los sobretonos de alto orden debido al decaimiento más lento de sus modos lineales de origen. Notablemente, el QNM cúbico se identifica consistentemente con una amplitud estable para $t_0 \lesssim 20M$.
• Modos Retrógrados: Los modos retrógrados se detectan ocasionalmente en tiempos muy tempranos, pero son más prominentes en simulaciones específicas (por ejemplo, sistemas de masas iguales con espines anti-alineados).
• Estabilidad de Amplitud: Aunque el enfoque bayesiano infiere correctamente las tasas de decaimiento esperadas para los modos fundamentales y de bajo orden, las amplitudes de los sobretonos de alto orden muestran menos estabilidad con la variación de $t_0$. Esto se atribuye a los cortos tiempos de decaimiento de los sobretonos y al potencial confusión con la respuesta inmediata (prompt response).
• Colas de Potencia: No se detectaron colas de potencia en las formas de onda de CCE. Las distribuciones posteriores para las amplitudes de las colas fueron consistentes con cero, estableciendo límites superiores estrictos (por ejemplo, $|\hat{A}_{(6,6)}| < 3.6 \times 10^{-6}$). Esta ausencia se atribuye al tamaño limitado de la región de Cauchy en las simulaciones CCE y la falta de retroacción (back-reaction) desde fuera de esta región.

Significancia y Reivindicaciones
El artículo afirma proporcionar una referencia sistemática y objetiva para el contenido de modos de ringdown a través de un amplio rango de tiempos de inicio para todas las simulaciones disponibles en el catálogo. Al utilizar un enfoque totalmente bayesiano con razones de evidencia y PPCs, el método evita la naturaleza ad hoc de las técnicas previas de mínimos cuadrados.

La detección de múltiples sobretonos de alto orden cerca de la fusión, junto con modos no lineales hasta orden cúbico, refuerza la significancia física de estos componentes para modelar el ringdown. Los autores enfatizan que su enfoque basado en datos confirma la necesidad de incluir estos modos para describir con precisión la forma de onda en tiempos tempranos, mientras que la PPC asegura que los modelos resultantes sean estadísticamente robustos frente al ruido numérico. La ausencia de colas en los datos de CCE sirve como una validación de las limitaciones metodológicas de la simulación respecto al comportamiento de tiempo tardío, distinguiéndola de las simulaciones de Emparejamiento Cauchy-Característico (CCM) donde se han observado colas previamente.