A Gaussian process framework for testing general relativity with gravitational waves

Cet article présente un cadre de processus gaussien avec un noyau localisé dans le temps pour tester la relativité générale à l'aide de données d'ondes gravitationnelles provenant de fusions de trous noirs binaires, ne trouvant aucune preuve de déviation dans les événements GWTC-3 et contraignant les déviations de déformation fractionnelle à aussi bas que 7 %.

L'essentiel

La vue d'ensemble : Écouter un « fantôme » dans la machine

Imaginez que vous êtes un détective essayant de résoudre une énigme. Vous possédez un scénario parfait et très spécifique décrivant comment un crime devrait se dérouler (c'est la Relativité Générale, la théorie de la gravité d'Einstein). Vous avez également un enregistrement de la scène du crime (ce sont les données des Ondes Gravitationnelles provenant de la collision de trous noirs).

Habituellement, lorsque vous écoutez l'enregistrement, il correspond parfaitement au scénario. Mais parfois, il peut y avoir un tout petit bruit inattendu — un grincement, un chuchotement ou un bug — qui ne correspond pas au scénario. Ce bruit supplémentaire pourrait être un indice indiquant que le scénario est faux et qu'une « nouvelle physique » est en jeu.

Le problème est que nous ne savons pas à quoi ce bruit supplémentaire devrait ressembler. Cela pourrait être un chuchotement, un cri, un sifflement aigu ou un grondement grave. Si vous n'écoutez que pour un type spécifique de bruit, vous risquez de manquer le véritable indice.

Ce document présente un nouvel outil de détective : un cadre basé sur les « Processus Gaussiens ». Au lieu de deviner à quoi ressemble ce bruit étrange, cet outil agit comme un filet hautement flexible et changeant de forme. Il lance un large filet pour attraper n'importe quel type de bruit inattendu, tant qu'il suit quelques règles de base concernant son comportement.

Comment l'outil fonctionne : Le « Filet Intelligent »

Les scientifiques ont construit un « filet » mathématique (appelé un Noyau) avec trois règles spécifiques basées sur ce qu'ils pensent que le signal d'une « nouvelle physique » ressemblerait :

1. Il se produit lors de l'impact : Le bruit étrange est attendu juste au moment où les deux trous noirs s'écrasent l'un contre l'autre (la fusion), et non bien avant ou bien après.
2. Il a un rythme : Le bruit oscille probablement (se déplace d'avant en arrière) à une vitesse spécifique, similaire à la fréquence de l'impact lui-même.
3. Il est un peu désordonné : Ce n'est pas une onde sinusoïdale parfaite et nette ; il comporte une certaine part d'aléatoire, comme du bruit statique sur une radio.

En programmant ces règles dans leur modèle informatique, ils ont créé un système capable de dire : « Je vois un motif ici qui correspond à notre idée de « nouvelle physique », même si nous ne savions pas exactement à quoi il ressemblerait auparavant. »

L'expérience : Tester le filet

L'équipe a testé leur nouveau filet de trois manières :

1. Le test du « Signal Factice » : Ils ont pris du bruit réel et silencieux provenant des détecteurs LIGO et y ont secrètement injecté un faux signal de « nouvelle physique ».

   • Résultat : Le filet l'a attrapé immédiatement. Il a correctement identifié : « Hé, il y a quelque chose ici qui ne correspond pas au scénario standard ! » et a même reconstruit l'apparence du signal factice.

2. Le test du « Silence » : Ils ont examiné 174 segments de bruit pur où aucun signal n'avait été injecté.

   • Résultat : Le filet est resté silencieux. Il n'a pas crié « FANTÔME ! » alors qu'il n'y avait rien. Cela a prouvé que l'outil n'invente pas simplement des signaux à partir d'un bruit statique aléatoire.

3. Le test du « Scénario Différent » : Ils ont essayé d'attraper un signal qui était différent des règles sur lesquelles leur filet avait été construit (un signal qui changeait de rythme au fil du temps).

   • Résultat : Même si le signal était légèrement différent de leurs attentes, le filet était suffisamment flexible pour le capturer tout de même et dire : « Quelque chose ne va pas ici. »

L'enquête réelle : Vérification de 60 collisions de trous noirs

Enfin, ils ont appliqué leur outil à 60 événements réels d'ondes gravitationnelles provenant du troisième catalogue de collisions de trous noirs (GWTC-3). Ils ont pris les données, soustrait le scénario parfait d'Einstein, et examiné ce qui restait (les « résidus »).

• Le verdict : Ils n'ont trouvé aucune preuve de nouvelle physique.
• La conclusion : Pour les 60 événements, le bruit résiduel ressemblait exactement à ce que l'on attendrait d'un bruit statique aléatoire ou de légères imperfections dans l'équipement d'enregistrement. Il correspondait parfaitement au scénario d'Einstein.

Quelle est leur précision ?

Même s'ils n'ont pas trouvé de fantôme, ils ont établi une limite très stricte sur à quel point un fantôme pourrait être « fort » en se cachant dans les données.

Ils ont calculé que s'il y avait une déviation par rapport à la théorie d'Einstein, elle devrait être incroyablement petite. Plus précisément, pour un événement (GW190701 203306), ils peuvent affirmer avec 90 % de confiance que toute déviation est inférieure à 7 % de la force totale du signal.

Pensez-y ainsi : Si le signal d'onde gravitationnelle était une vague océanique géante, ils disent : « S'il y a une toute petite ride causée par une nouvelle physique, elle est plus petite que 7 % de la hauteur de cette vague géante. »

La conclusion essentielle

Ce document ne découvre pas de nouvelle physique. Au lieu de cela, il construit un meilleur et plus flexible « filet » pour l'attraper. Ils ont testé ce filet sur des données simulées et ont constaté qu'il fonctionne très bien. Lorsqu'ils l'ont utilisé sur des données réelles provenant de 60 collisions de trous noirs, le filet est revenu vide.

L'enseignement à retenir : La théorie de la gravité d'Einstein tient toujours parfaitement sous les conditions les plus extrêmes que nous pouvons observer. Si une nouvelle physique se cache dans les ondes gravitationnelles, elle se cache très bien, et nous avons besoin d'outils encore plus sensibles pour la trouver.

Résumé technique

Résumé technique : Un cadre de processus gaussien pour tester la relativité générale avec les ondes gravitationnelles

Énoncé du problème
L'astronomie des ondes gravitationnelles (OG) offre une opportunité unique de tester la relativité générale (RG) dans le régime des champs forts. Cependant, en l'absence d'une théorie alternative spécifique et convaincante à la RG, mener des analyses permettant une large gamme de déviations potentielles est difficile. Les méthodes existantes, telles que les tests paramétrés post-newtoniens ou les tests de déformation résiduelle utilisant des modèles de splines et des ondelettes (par exemple, BayesWave), reposent souvent sur des hypothèses spécifiques concernant la forme de la déviation ou nécessitent des modèles flexibles qui peuvent ne pas capturer efficacement un excès de puissance localisé et cohérent. Les auteurs proposent une méthode pour rechercher des déviations par rapport à la RG dans les signaux de fusion de trous noirs binaires avec un minimum d'hypothèses concernant la nature spécifique de la déviation.

Méthodologie
Les auteurs introduisent un cadre de processus gaussien (GP) pour modéliser les déviations potentielles par rapport à la RG, notées $\delta s$, au sein des données de déformation d'OG $h$. Les données sont modélisées comme la somme d'un signal prédit par la RG ($s_{GR}$), d'un bruit instrumental ($n$) et du signal de déviation ($\delta s$).

• Conception du noyau : Le cœur du cadre est un noyau dans le domaine temporel $K(t_i, t_j)$ conçu pour encoder les croyances a priori sur la nature d'une déviation. Les auteurs supposent que si une déviation existe, elle est probablement :

  1. Localisée dans le temps près de la fusion.
  2. Caractérisée par une fréquence spécifique $f_0$ (similaire à la fréquence de fusion/anneau).
  3. Pas nécessairement symétrique dans le temps.

  Le noyau combine un terme gaussien (pour la localisation temporelle), un terme cosinus (pour l'oscillation à la fréquence $f_0$) et une fonction de base radiale (pour la stochasticité). Le noyau est paramétré par un facteur d'échelle $k_0$ (amplitude), une largeur $w$ (durée), une fréquence caractéristique $f_0$ et une longueur de cohérence $l$.

• Construction de la vraisemblance : Le cadre opère dans le domaine fréquentiel. Le noyau dans le domaine temporel est transformé en un noyau dans le domaine fréquentiel $K(f)$ à l'aide d'une transformée de Fourier discrète et projeté sur la bande d'observation (50–512 Hz). La matrice de covariance totale $C(\Lambda)$ est la somme de la covariance du bruit $N$ et de la covariance du signal $S(\Lambda)$, où $S$ est construit à partir du noyau et des fonctions de réponse des antennes des détecteurs. La vraisemblance est calculée pour les données résiduelles $\delta h = h - s_{GR}$, où $s_{GR}$ est l'onde de forme de RG ajustée au mieux (IMRPhenomPv2).

• Inférence : Les auteurs utilisent l'échantillonnage imbriqué (via dynesty et Bilby) pour inférer les distributions a posteriori des hyperparamètres du GP ($k_0, w, f_0, l$). Ils définissent un facteur de Bayes rapport signal-sur-bruit ($B$) pour comparer l'hypothèse d'une déviation ($k_0 > 0$) contre l'hypothèse de bruit seul ($k_0 = 0$).

Contributions clés et démonstrations

1. Récupération de signaux simulés : Le cadre a été testé sur des signaux simulés injectés dans des données de bruit de la troisième campagne d'observation (O3). Le GP a récupéré avec succès les déviations injectées, les distributions a posteriori des hyperparamètres étant cohérentes avec les valeurs réelles. Le facteur de Bayes a fortement soutenu l'hypothèse du signal ($\ln B = 21,9$) pour un signal injecté avec un rapport signal-sur-bruit (SNR) réseau de 9,4.
2. Robustesse au bruit : Les auteurs ont analysé 174 segments de bruit instrumental (avant l'événement) pour établir une distribution de fond pour le facteur de Bayes. Ils ont constaté que des segments de bruit réalistes généraient généralement des facteurs de Bayes faibles, bien qu'ils aient noté que la présence de glitches non signalés pouvait produire des valeurs aberrantes.
3. Flexibilité du modèle : Le cadre a été testé contre un signal violant la RG non issu du noyau (un coefficient de phase post-newtonien modifié $\beta_2$). Le GP a détecté avec succès la déviation ($\ln B = 13,02$), démontrant que le modèle peut capturer des déviations même si elles ne correspondent pas parfaitement à la forme fonctionnelle spécifique du noyau, en particulier pour la partie post-fusion du signal.

Résultats de GWTC-3
Les auteurs ont appliqué le cadre à 60 événements de trous noirs binaires du Catalogue des transitoires d'ondes gravitationnelles 3 (GWTC-3) détectés à la fois par LIGO Hanford (H1) et Livingston (L1).

• Aucune preuve de déviation : Aucun des 60 événements n'a montré de preuve d'une déviation par rapport à la RG. La distribution des facteurs de Bayes pour les événements d'OG était cohérente avec la distribution de fond dérivée des segments de bruit.
• Événement le plus significatif : L'événement présentant le facteur de Bayes le plus élevé était GW190916 200658 ($\ln B = 4,71$, $p=0,03$). Les auteurs notent que cela est statistiquement attendu étant donné le nombre d'événements testés et que la signification a légèrement diminué ($\ln B = 3,85$) lors de la marginalisation sur les incertitudes des paramètres de l'onde de forme de RG.
• Limites supérieures : En l'absence de détections, les auteurs ont calculé des limites supérieures sur la déviation fractionnelle de la déformation d'OG. Pour l'événement GW190701 203306, ils ont contraint l'amplitude maximale de la déviation fractionnelle à aussi bas que 7 % (à 90 % de crédibilité) de l'amplitude de déformation de la RG.

Signification et affirmations
L'article prétend fournir un outil flexible, avec un minimum d'hypothèses, pour détecter des déviations par rapport à la RG dans les données résiduelles d'OG. Les auteurs soulignent que leur cadre est un outil de détection plutôt qu'une preuve définitive de nouvelle physique. Ils déclarent explicitement que si une déviation était détectée, elle pourrait provenir soit d'une véritable violation de la RG, soit, plus probablement, d'une mauvaise spécification dans les modèles d'analyse (par exemple, la modélisation du bruit ou les approximations d'ondes de forme).

Les auteurs concluent que, bien que leur méthode soit coûteuse en calcul (échelonnant comme $O(n^3)$ en raison de l'inversion de la matrice de covariance), elle contraint avec succès les déviations dans les données actuelles. Ils suggèrent que des déviations répétées et inexpliquées par rapport aux meilleures banques de modèles seraient nécessaires pour envisager sérieusement l'hypothèse alternative d'une violation de la RG. Un travail futur est proposé pour améliorer l'échelle de calcul et pour adapter potentiellement le cadre à la modélisation des glitches de bruit.