A $Z_1^2$ framework for rotational-parameter estimation and uncertainty quantification in high-energy pulsars

Resumen Técnico: Un Marco $Z^2_1$ para la Estimación de Parámetros Rotacionales y la Cuantificación de Incertidumbre en Púlsares de Alta Energía

Enunciado del Problema
La cronometría de púlsares de alta energía a menudo depende de tiempos de llegada de fotones escasos registrados por instrumentos como AstroSat/LAXPC, Fermi-LAT y NICER. A diferencia de la cronometría de radio, donde perfiles de pulso estables permiten la medición de Tiempos de Llegada (TOA) con incertidumbres gaussianas, los datos de alta energía a menudo requieren un análisis directo de listas de eventos limitados por Poisson. En este régimen, las fluctuaciones estadísticas son de Poisson y no se pueden formar TOA fiables sobre intervalos cortos.

Un desafío crítico en este dominio es la estimación de incertidumbres para los parámetros rotacionales recuperados, específicamente la frecuencia de espín ($f$) y su primera derivada ($\dot{f}$). Los autores argumentan que el ancho de un pico de detección en la estadística $Z^2_1$ (una medida de periodicidad) no es, por sí mismo, la incertidumbre estadística de los parámetros recuperados. El ancho del pico está determinado principalmente por la duración de la observación ($T$), mientras que la dispersión estadística del máximo recuperado depende de la fuerza de la señal coherente y de la geometría local de la superficie de búsqueda. Además, $f$ y $\dot{f}$ a menudo están correlacionados, y la incertidumbre asignada a $f$ depende en gran medida de la época de referencia elegida (por ejemplo, inicio de la observación frente a punto medio). Los métodos existentes, como ajustar perfiles analíticos o citar el Ancho a Media Altura (FWHM), describen la morfología de una sola superficie de búsqueda pero no proporcionan automáticamente la varianza de muestreo bajo realizaciones de Poisson repetidas. Si bien las simulaciones de Monte Carlo proporcionan un referente frecuentista riguroso, su costo computacional las hace poco prácticas como estimadores predeterminados para cada observación.

Metodología
El artículo desarrolla y compara tres estimadores computacionalmente eficientes para $f$ y $\dot{f}$ basados en la estadística fundamental del armónico $Z^2_1$. El marco asume búsquedas dirigidas donde la posición de la fuente es conocida, los eventos están corregidos por el baricentro y la evolución rotacional es estable durante el intervalo analizado.

1. Regresión de Frecuencia Segmentada (Método I):

   • La observación se divide en intervalos no superpuestos ($t_{int}$).
   • Se ajusta un pico local $Z^2_1(f)$ en cada intervalo para recuperar una frecuencia local $f_{r,i}$ y su incertidumbre $\sigma_{f,i}$ (derivada de la amplitud y el ancho del pico).
   • Una regresión lineal ponderada de $f_{r,i}$ frente al tiempo produce la derivada de frecuencia $\dot{f}_r$.
   • Ventajas: Maneja naturalmente las brechas de datos (Intervalos de Tiempo Buenos) y es computacionalmente barato.
   • Desventajas: Sacrifica la potencia de la señal coherente al analizar segmentos cortos; el rendimiento depende del equilibrio entre las estadísticas de fotones (segmentos cortos) y la deriva de fase intra-segmento (segmentos largos).

2. Escaneo Coherente de Derivada (Método II):

   • Se mantiene la observación completa coherente. El método escanea sobre valores de prueba de $\dot{f}$ ($\dot{f}_{trial}$).
   • Para cada prueba, se calcula una curva 1D $Z^2_1(f)$ y se registra la amplitud del pico $A_{pk}$.
   • El envolvente de amplitud $A_{pk}(\dot{f}_{trial})$ se ajusta con un perfil sinc$^2$ para encontrar el $\dot{f}_r$ óptimo.
   • Ventajas: Utiliza toda la potencia coherente de los datos; proporciona un diagnóstico de la covarianza entre $f$ y $\dot{f}$ a través del desplazamiento en la frecuencia del pico.
   • Desventajas: Requiere que la observación sea lo suficientemente larga para que derivadas incorrectas causen una pérdida de potencia medible.

3. Ajuste Coherente Bidimensional Localizado (Método III):

   • Se evalúa una cuadrícula 2D localizada de $(f, \dot{f})$.
   • Crucialmente, los autores transforman las coordenadas a la frecuencia del punto medio ($f_{mid} = f + \frac{1}{2}\dot{f}T$). La derivación analítica muestra que esta transformación elimina la covarianza de orden dominante entre la frecuencia y la derivada de la frecuencia.
   • El pico 2D local se ajusta con un modelo sinc$^2$ separable: $Z^2_1 \approx A \cdot \text{sinc}^2(\frac{f_{mid}-f_{mid,r}}{W_f}) \cdot \text{sinc}^2(\frac{\dot{f}-\dot{f}_r}{W_A})$.
   • Las incertidumbres se estiman directamente a partir de la amplitud del pico ajustado ($A$) y los anchos ($W_f, W_A$) utilizando las relaciones $\sigma \propto W/\sqrt{A}$.

Contribuciones Clave y Validación

• Derivación Analítica: Los autores derivan la forma local de la respuesta $Z^2_1(f, \dot{f})$ para señales sinusoidales. Demuestran que expresar la frecuencia en el punto medio de la observación desacopla los parámetros, permitiendo estimaciones de incertidumbre simples y de forma cerrada sin simulaciones exhaustivas.
• Calibración de Monte Carlo: Las prescripciones de incertidumbre se validan frente a 300 realizaciones independientes de Poisson a través de diversos intervalos de observación, intensidades de señal, resoluciones de cuadrícula y estructuras de brechas.
  • Los resultados confirman que las incertidumbres predichas (basadas en el ancho y la amplitud del pico ajustado) reproducen la dispersión de ejecución a ejecución de los parámetros recuperados.
  • Se demuestra que el marco es robusto ante brechas observacionales, siempre que el pico local permanezca identificable.
  • Se muestra que la parametrización de frecuencia del punto medio reduce la dispersión de la estimación de frecuencia en un factor de $\sim 4$ en comparación con la frecuencia de la época de inicio para duraciones de observación típicas.
• Aplicación a Datos Reales: El marco se aplica a listas de eventos de AstroSat/LAXPC para el púlsar del Cangrejo, Swift J0243.6+6124 y SAX J1808.4–3658. Los métodos producen resultados consistentes, siendo el Método III el que proporciona las restricciones conjuntas más ajustadas. Los parámetros recuperados pliegan con éxito las listas de eventos en perfiles de pulso coherentes.

Significado y Afirmaciones
El artículo afirma proporcionar una "ruta práctica y motivada estadísticamente" para la estimación de parámetros rotacionales en búsquedas dirigidas de púlsares de alta energía. Su significado principal radica en desacoplar la morfología de un pico de detección de la incertidumbre estadística de los parámetros recuperados.

Los autores enfatizan que:

1. Ancho del pico $\neq$ Incertidumbre: El ancho del pico $Z^2_1$ es una escala de pérdida de coherencia de fase, no un intervalo de confianza. La incertidumbre debe vincularse a la fuerza del pico medido (amplitud) y a la geometría local.
2. La Época de Referencia Importa: La elección de la época de referencia (inicio frente a punto medio) impacta significativamente la covarianza y la incertidumbre de la frecuencia. Se recomienda la formulación del punto medio para la estimación conjunta.
3. Eficiencia: El marco propuesto permite la cuantificación de incertidumbres sin el costo computacional de ejecutar simulaciones de Monte Carlo para cada observación, siempre que la estructura del pico local esté bien muestreada.

El trabajo se presenta modestamente como una herramienta para búsquedas dirigidas con evolución de espín estable, en lugar de una solución totalmente automática para sondeos ciegos de todo el cielo o fuentes con ruido de temporización fuerte, glitches o residuos orbitales complejos. Los autores sugieren que, aunque el método evita la necesidad de calibración de Monte Carlo por observación, las simulaciones acopladas a la fuente siguen siendo útiles para la validación en casos complejos. El marco está destinado a integrarse en pipelines de análisis de cronometría reutilizables.