The Indian Pulsar Timing Array Data Release 2: II. Customised Single-Pulsar Noise Analysis and Noise Budget

Sintesi Tecnica: Analisi del Rumore e Budget di Rumore dell'InPTA-DR2

1. Il Problema Scientifico

Le Pulsar Timing Arrays (PTA) sono strumenti fondamentali per la rilevazione delle onde gravitazionali a frequenze ultra-basse (nanohertz), generate presumibilmente da binarie di buchi neri supermassicci in spirale. Tuttavia, la precisione richiesta per rilevare questi segnali è estremamente elevata e viene spesso compromessa da diverse fonti di rumore.
Il problema centrale affrontato in questo studio è la caratterizzazione e la modellazione accurata dei processi stocastici (rumore) presenti nei dati di temporizzazione delle pulsar. Se il rumore non viene modellato correttamente, può:

• Mascherare il segnale del fondo di onde gravitazionali (GWB).
• Generare falsi positivi o distorcere i parametri del segnale GWB.
• Introdurre non-Gaussianità nelle residui di temporizzazione, rendendo invalidi i test statistici standard.

In particolare, l'Indian Pulsar Timing Array (InPTA) presenta la sfida unica di gestire osservazioni simultanee a doppia banda (300-500 MHz e 1260-1460 MHz), il che richiede una modellazione sofisticata dei processi cromatici (dipendenti dalla frequenza) come il rumore di Dispersion Measure (DM) e lo scattering interstellare.

2. Metodologia

L'analisi si basa sui dati della Seconda Release (DR2) dell'InPTA, che include 27 millisecond pulsar (MSP) osservate con il telescopio uGMRT (upgraded Giant Metrewave Radio Telescope) per un periodo di circa 7,2 anni.

La metodologia adottata è un'Analisi del Rumore su Singola Pulsar (SPNA) personalizzata, basata su inferenza bayesiana. I passaggi chiave includono:

• Modellazione del Rumore: I processi di rumore sono categorizzati in:

  • Rumore Bianco: Parametrizzato tramite EFAC (fattore di errore), EQUAD (errore aggiuntivo in quadratura) ed ECORR (errore correlato in frequenza), specifici per ogni configurazione ricevitore/backend.
  • Rumore Rosso Achromatic (ARN): Fluttuazioni intrinseche dello spin della pulsar, indipendenti dalla frequenza di osservazione.
  • Rumore Cromatico:
    • DMN (Dispersion Measure Noise): Variazioni stocastiche della densità elettronica interstellare (scala come $\nu^{-2}$).
    • FCN (Free-Chromatic Noise): Un modello flessibile dove l'indice cromatico è un parametro libero, utilizzato al posto del modello di scattering rigido ($\nu^{-4}$) per adattarsi a diverse linee di vista.
  • Rumore Deterministico Solare (SWdet): Un modello deterministico per correggere gli effetti del vento solare, includendo la densità elettronica media ($n_{earth}$) e la sua derivata temporale ($\dot{n}_{earth}$).

• Selezione del Modello Ottimale:

  • Utilizzo del pacchetto ENTERPRISE e DYNESTY (campionamento annidato) per calcolare l'evidenza bayesiana ($Z$).
  • Confronto di diverse combinazioni di modelli (da 1 a 6 livelli di complessità) tramite il Fattore di Bayes ($\ln B_{12} > 4.6$).
  • Selezione delle Armoniche di Fourier: Implementazione di un modello "dropout power-law" per determinare automaticamente il numero ottimale di armoniche ($N_{harm}$) da includere, evitando l'inquinamento spettrale dovuto al rumore del radiometro.

• Validazione:

  • Test di Anderson-Darling sulla Gaussianità dei residui dopo la sottrazione del rumore.
  • Analisi di dataset "SW-cut" (rimozione dei dati vicino alla congiunzione solare) per valutare il bias introdotto dagli effetti solari non modellati.

3. Contributi Chiave

• Analisi Personalizzata su 27 Pulsar: Prima analisi completa del rumore per l'intero set di dati DR2 dell'InPTA, includendo 12 pulsar nuove rispetto alla DR1.
• Modellazione Avanzata del Vento Solare: Introduzione di un modello deterministico a primo ordine per il vento solare e dimostrazione del suo impatto critico sui parametri del rumore rosso.
• Sostituzione del Modello di Scattering: Adozione del modello FCN (Free-Chromatic Noise) invece del modello di scattering classico, permettendo una maggiore flessibilità nella descrizione della dipendenza dalla frequenza per diverse linee di vista.
• Selezione Dinamica delle Armoniche: Uso del metodo "dropout" per ottimizzare il numero di armoniche di Fourier, riducendo i costi computazionali e migliorando la stabilità dei parametri.

4. Risultati Principali

• Distribuzione dei Modelli Ottimali:
  • Pulsar a breve baseline ($\lesssim 2.5$ anni): 11 pulsar mostrano residui pienamente gaussiani senza evidenza di rumore rosso significativo, tranne PSR J1944+0907 che mostra rumore DM.
  • Pulsar a lunga baseline ($\gtrsim 2.5$ anni): 15 pulsar mostrano preferenze per modelli complessi. Tre pulsar (J0437−4715, J1909−3744, J1939+2134) richiedono il modello più complesso, includendo ARN, DMN e FCN.
• Gaussianità dei Residui:
  • 15 pulsar su 27 mostrano residui pienamente gaussiani.
  • 8 pulsar mostrano residui "quasi gaussiani" (leggeri scostamenti attribuiti alla dimensione del campione).
  • 4 pulsar (J0437−4715, J1012+5307, J2124−3358, J2145−0750) mostrano non-Gaussianità significativa (p-value < $10^{-4}$). Le cause ipotizzate includono jitter del impulso non modellato, cambiamenti di modalità (mode-changes) e residui di effetti del vento solare.
• Impatto del Vento Solare (Analisi SW-cut):
  • L'analisi sui dataset privati dei dati vicino alla congiunzione solare ha rivelato deviazioni significative nei parametri del rumore rosso.
  • Per PSR J1022+1001, la tensione tra i parametri stimati con e senza taglio solare raggiunge 3$\sigma$ per il rumore DM.
  • Questo dimostra che una modellazione inadeguata del vento solare può essere scambiata per rumore cromatico (FCN) o distorcere le stime del GWB.
• Confronto con InPTA-DR1: I risultati sono coerenti con la DR1, ma con vincoli più stretti sui parametri grazie alla maggiore durata della baseline temporale. In particolare, per PSR J1909−3744, la preferenza per il modello FCN sembra essere guidata da effetti solari residui piuttosto che da un vero processo di scattering fisico.

5. Significato e Prospettive Future

Questo lavoro è fondamentale per la preparazione della rilevazione definitiva del fondo di onde gravitazionali da parte dell'InPTA e del consorzio internazionale (IPTA).

• Affidabilità del GWB: La corretta caratterizzazione del rumore è prerequisito per distinguere il segnale GWB (correlato spazialmente) dal rumore comune non correlato (CURN).
• Bias Sistemici: Lo studio evidenzia come effetti sistematici come il vento solare possano mimare processi fisici astrofisici se non modellati correttamente, portando a stime errate dei parametri del GWB.
• Sviluppi Futuri: Gli autori stanno lavorando su modelli di vento solare basati su Gaussian Processes (GP) per catturare la parte stocastica del fenomeno e su metodi più avanzati per gestire il jitter e la non-Gaussianità nelle pulsar problematiche.

In conclusione, la DR2 dell'InPTA rappresenta un passo avanti significativo nella precisione della temporizzazione, ma sottolinea la necessità di modelli di rumore sempre più sofisticati e specifici per ogni pulsar per garantire l'integrità delle future scoperte in astronomia delle onde gravitazionali.