Incorporating neutron star physics into gravitational wave inference with physics-informed priors using normalizing flows

Cuando dos remanentes estelares densos, como estrellas de neutrones o agujeros negros, espiralan uno hacia el otro y colisionan, envían ondulaciones a través del tejido del espacio-tiempo conocidas como ondas gravitacionales. Los detectores en la Tierra capturan estas tenues señales, permitiendo a los científicos escuchar el universo de una manera que era imposible hace apenas unas décadas. Para comprender qué sucedió durante una colisión, los investigadores utilizan un método estadístico para trabajar hacia atrás desde el sonido de las ondas hacia las propiedades de los objetos que las originaron. Este proceso requiere hacer suposiciones educadas sobre cómo podrían ser esos objetos incluso antes de que la señal llegue. Tradicionalmente, los científicos han utilizado suposiciones "agnósticas", que asumen ningún conocimiento previo sobre las masas de las estrellas o sus estructuras internas, tratando cada posibilidad como igualmente probable. Sin embargo, este enfoque ignora una vasta cantidad de conocimiento existente sobre cómo se comporta la materia bajo presión extrema y cómo se distribuyen las estrellas de neutrones en nuestra galaxia.

Un nuevo estudio propone una forma más inteligente de manejar estas suposiciones. Los investigadores desarrollaron un método para alimentar la física del mundo real directamente en el análisis de las señales de ondas gravitacionales. En lugar de ignorar lo que ya sabemos sobre la composición interna de las estrellas de neutrones o las masas típicas de estos objetos, construyeron un sistema que incorpora esta información desde el principio. Al utilizar un tipo de inteligencia artificial entrenada con las leyes de la física nuclear y observaciones de estrellas conocidas, crearon un conjunto de expectativas "informadas por la física". Al aplicarse a datos reales de tres colisiones cósmicas específicas, este método no solo ayudó a confirmar la naturaleza de los objetos en colisión, sino que también proporcionó una imagen mucho más nítida de sus propiedades de lo que los métodos anteriores podrían lograr.

El núcleo de este trabajo reside en cómo los científicos interpretan los datos de estas colisiones. Cuando se detecta una señal de onda gravitacional, esta es una mezcla compleja de información sobre las masas de los objetos, cómo giran y cómo sus estructuras internas se deforman a medida que se acercan. Para extraer esta información, los investigadores dependen de la inferencia bayesiana, un marco matemático que actualiza la probabilidad de una hipótesis a medida que llega nueva evidencia. El punto de partida de esta actualización es la "prior" (previa), que representa lo que los científicos creen que es cierto antes de observar los nuevos datos. Durante años, la práctica estándar ha sido utilizar priors no informativas que asumen que cualquier masa o estructura interna es posible, simplemente porque parecía más seguro evitar el sesgo. Sin embargo, ya sabemos mucho sobre las estrellas de neutrones. Sabemos que están hechas de materia increíblemente densa que sigue reglas físicas específicas, y hemos medido las masas de muchas estrellas de neutrones en nuestra propia galaxia. El nuevo estudio argumenta que descartar este conocimiento es una oportunidad perdida.

Para solucionar esto, el equipo creó un sistema flexible que codifica nuestro entendimiento actual de la física de las estrellas de neutrones directamente en el análisis. Comenzaron recopilando restricciones sobre la "ecuación de estado", que es esencialmente un libro de reglas que describe cómo se comporta la materia en las densidades extremas que se encuentran dentro de una estrella de neutrones. Este libro de reglas está informado por experimentos de teoría nuclear y observaciones de púlsares, que son estrellas de neutrones que giran rápidamente. También recopilaron datos sobre cómo son típicamente masivas las estrellas de neutrones, basándose en observaciones de radio de estrellas en nuestra galaxia. Utilizando esta información, generaron millones de escenarios simulados de cómo podría verse una colisión si involucrara objetos que obedecieran estas leyes físicas.

Estas simulaciones fueron utilizadas para entrenar un modelo de aprendizaje automático conocido como flujo normalizante (normalizing flow). Piense en este modelo como un cartógrafo altamente eficiente que aprende la forma de los escenarios físicos más probables. Una vez entrenado, este modelo actúa como un filtro sofisticado. En lugar de permitir que el análisis deambule por cada combinación teóricamente posible de masa y estructura interna, guía la búsqueda hacia las regiones donde la física nos dice que los objetos es más probable que existan. Esto permite que el análisis concentre su atención en las explicaciones más plausibles, haciendo que los resultados sean más precisos y las conclusiones más robustas.

Los investigadores probaron este nuevo enfoque en tres eventos reales de ondas gravitacionales detectados por observatorios en Estados Unidos, Italia y Japón. El primer evento, GW170817, fue una colisión entre dos estrellas de neutrones que también fue vista por telescopios que buscan luz. El segundo, GW190425, fue otra colisión de estrellas de neutrones, pero con componentes más pesados. El tercero, GW230529, fue una colisión entre una estrella de neutrones y un agujero negro, un evento que anteriormente había sido difícil de clasificar con certeza. En cada caso, el método informado por la física proporcionó una visión más clara del universo que el enfoque tradicional no guiado.

Para el primer evento, GW170817, el nuevo método confirmó que los objetos en colisión eran, de hecho, dos estrellas de neutrones. Más importante aún, permitió a los investigadores distinguir entre diferentes teorías sobre la rigidez interna de estas estrellas. Los datos favorecieron fuertemente una ecuación de estado "suave", lo que significa que la materia dentro de las estrellas es relativamente fácil de comprimir. Esta conclusión coincidió con lo que otros estudios habían encontrado al combinar datos de ondas gravitacionales con observaciones de luz, pero el nuevo método llegó a esta conclusión utilizando únicamente la señal de la onda gravitacional. También proporcionó una medición más precisa de qué tan lejos ocurrió la colisión, desplazando la distancia estimada ligeramente más lejos de lo que sugerían los análisis previos.

El segundo evento, GW190425, presentó un enigma porque las estrellas en colisión eran mucho más pesadas que las estrellas de neutrones típicas encontradas en nuestra galaxia. El análisis tradicional tuvo dificultades para determinar su naturaleza exacta. Sin embargo, el enfoque informado por la física las identificó claramente como un sistema de binaria de estrellas de neutrones, a pesar de su masa inusual. También reveló que las dos estrellas probablemente no eran de igual peso, un detalle que los métodos antiguos y no guiados habían pasado por alto. El análisis sugirió una distancia específica para este evento que era significámente mayor de lo que se pensaba anteriormente, alineándose mejor con el hecho de que la señal era relativamente tenue.

El tercer evento, GW230529, involucró una estrella de neutrones y un agujero negro. Debido a que la señal era tenue, era difícil determinar exactamente qué eran los objetos o cómo estaban girando. El nuevo método destacó aquí al reducir las posibilidades. Clasificó decisivamente el evento como una colisión entre una estrella de neutrones y un agujero negro, descartando otras posibilidades con alta confianza. Además, al incorporar las restricciones físicas, el análisis proporcionó una estimación mucho más ajustada de la relación de masa entre los dos objetos. Esto, a su vez, dio una imagen más clara del giro del agujero negro, que antes era incierto. El método también empujó la distancia estimada de este evento más lejos, consistente con la falta de intensidad de la señal.

Un hallazgo clave en los tres eventos fue que las priors informadas por la física condujeron consistentemente a estimaciones de distancia más grandes para la colisión. Esto sucedió porque el nuevo método restringió las masas de los objetos de manera más estricta. Dado que la señal que escuchamos depende tanto de la masa como de la distancia, conocer la masa con mayor precisión obliga al cálculo de la distancia a ajustarse. En estos casos, el ajuste significó que los objetos estaban más lejos de lo que se pensaba anteriormente. Este cambio tiene consecuencias reales para los astrónomos que buscan la luz que podría acompañar a estas colisiones, ya que un objeto más distante sería más tenue y difícil de detectar.

El estudio también demostró que este enfoque puede actuar como una poderosa herramienta para resolver eventos ambiguos. En el caso de GW230529, el método proporcionó evidencia decisiva para la naturaleza de la colisión, algo que anteriormente había sido difícil de lograr con una señal tan tenue. Los investigadores demostraron que, al usar las leyes de la física para guiar la búsqueda, podían extraer más información de los mismos datos sin necesidad de esperar a señales más fuertes o mejores detectores.

Mirando hacia el futuro, los investigadores enfatizan que su método está diseñado para ser flexible. A medida que nuestro entendimiento de las estrellas de neutrones mejore, o a medida que haya nuevos tipos de observaciones disponibles, el sistema puede actualizarse para incluir este nuevo conocimiento. No requiere una revisión completa del proceso de análisis; en cambio, simplemente actualiza el mapa que la computadora utiliza para navegar los datos. Esto significa que, a medida que aprendamos más sobre la materia densa dentro de las estrellas, nuestra capacidad para interpretar los sonidos del universo mejorará automáticamente. El trabajo representa un cambio de tratar los datos como una pizarra en blanco a tratarlos como una conversación con las leyes conocidas de la naturaleza, permitiéndonos escuchar el universo con mayor claridad.