Search for strong lensing of gravitational waves in the binary black hole events from O1-O4a

Sintesi Tecnica: Ricerca di Lente Forte di Onde Gravitazionali in Eventi di Black Hole Binari da O1 a O4a

Problematica
La lente forte gravitazionale delle onde gravitazionali (GW) causata da galassie e ammassi di galassie interposti è prevista che produca molteplici copie dello stesso segnale con ritardi temporali. Sebbene tale lenti offra profonde opportunità per l'astrofisica, la cosmologia e la verifica della Relatività Generale, ad oggi non è stata effettuata alcuna conferma di rilevamento. Le ricerche precedenti condotte dalla Collaborazione LIGO-Virgo-KAGRA (LVK) e da gruppi esterni sono state limitate da vincoli computazionali. Nello specifico, la selezione ottimale del modello bayesiano (calcolo del fattore di Bayes completo per tutte le coppie di eventi) è computazionalmente proibitiva, costringendo gli studi precedenti a utilizzare statistiche di rilevamento sub-ottimali in una prima fase. Inoltre, le ricerche precedenti spesso ignoravano coppie che spaziano tra diverse corse di osservazione ed escludevano candidati identificati da cataloghi non LVK (ad esempio, IAS, OGC), rischiando di perdere eventi ad alta massa dove il lensing è più probabile. Inoltre, la significatività statistica dei risultati nulli è stata difficile da quantificare a causa dell'elevato costo di esecuzione di estese simulazioni di background.

Metodologia
Questo studio esegue una ricerca completa di coppie di buchi neri binari (BBH) fortemente lenti attraverso le prime tre corse di osservazione (O1–O3) e la prima parte della quarta corsa (O4a). L'analisi integra eventi dai cataloghi LVK, OGC (Open Gravitational-wave Catalog) e IAS (Independent Analysis of Signals), per un totale di 207 eventi unici e 21.321 possibili coppie.

Il nucleo della metodologia è la pipeline Posterior Overlap 2.0 (PO2.0). Questo strumento di selezione del modello bayesiano riformula il fattore di Bayes ($B^L_U$) come un prodotto interno delle distribuzioni a posteriori di due singoli eventi, pesato tramite i priori di popolazione. Questo approccio ottiene un'accelerazione computazionale di circa $\sim 10^4$ rispetto alla tradizionale stima dei parametri congiunta, consentendo l'analisi di tutte le coppie senza lo screening sub-ottimale preventivo.

Componenti metodologiche chiave includono:

• Priori Astrofisici: La ricerca assume che i parametri intrinseci dei BBH seguano il catalogo GWTC-4, estrapolato ad alti redshift utilizzando il modello di tasso di fusione di Dominik et al. (2013). Le popolazioni di lenti sono modellate come ellissoidi isotermi singolari (SIE) con masse che variano da $10^8$ a $10^{15} M_\odot$, basandosi sulla funzione di massa dell'alone. Questo prior è considerato "ottimistico" verso il lensing, poiché include aloni ad alta massa che favoriscono ritardi temporali e ingrandimenti maggiori.
• Metriche di Significatività: Gli autori definiscono nuove metriche per valutare la significatività statistica:
  • Probabilità di Falso Positivo (FPP): La probabilità che almeno una coppia non lensed nel catalogo imiti un segnale lensed.
  • Probabilità di Lensing ($p_L$): La probabilità a posteriori che una specifica coppia sia lensed.
  • Purezza del Catalogo ($c_L$): La frazione di coppie realmente lensed in un catalogo definito da una specifica soglia del fattore di Bayes, valutando il rilevamento a livello di popolazione.
• Simulazioni: Sono state condotte simulazioni realistiche di background (non lensed) e foreground (lensed) per caratterizzare l'efficienza della pipeline e la significatività statistica dei candidati.

Risultati Chiave

• Nessuna Evidenza di Lensing: La ricerca non ha trovato alcuna evidenza statisticamente significativa di lensing forte. La coppia di candidati con il ranking più alto (GW200210_035448 e GW200210_100022) presenta un rapporto di probabilità a posteriori di $10^{-1.89}$ e una probabilità di essere lensed ($p_L$) inferiore allo 0,6%.
• Top Candidati: Le prime 5 coppie di candidati mostrano tutte masse totali nel frame del detector da moderate ad alte ($120-450 M_\odot$) e ritardi temporali che vanno da ore a giorni. Notevolmente, 5 dei 10 eventi unici nelle prime 5 coppie originano dal catalogo IAS, evidenziando l'importanza di includere catalogi esterni che sono più sensibili agli eventi ad alta massa.
• Vincoli sulla Frazione di Lensing: Sulla base della mancata rilevazione, gli autori pongono un limite superiore del 90% sulla frazione di lensing forte all'1,4%. Questo vincolo è stato derivato utilizzando un approccio di modello di miscela che tiene conto dell'incertezza nell'identificazione delle singole coppie, piuttosto che assumere che tutti gli eventi siano certamente non lensed.
• Rivalutazione di Precedenti Candidati: Precedentemente identificati candidati accoppiati da ricerche precedenti (ad esempio, Hannuksela et al. 2019; Abbott et al. 2021b) sono stati rianalizzati. Tutti sono stati classificati dal 15° posto in giù in questo studio, mostrando punteggi bassi in tutte le metriche di significatività, confermando che sono probabilmente non lensed.

Significatività e Rivendicazioni
L'articolo sostiene di affrontare le criticità fondamentali delle precedenti ricerche sul lensing attraverso:

1. Efficienza Computazionale: Utilizzo di PO2.0 per eseguire una ricerca bayesiana quasi ottimale su l'intero dataset senza screening sub-ottimali.
2. Ambito Comprensivo: Inclusione di eventi da molteplici cataloghi (LVK, IAS, OGC) e possibilità di formare coppie tra diverse corse di osservazione.
3. Statistica Robusta: Fornitura di rigorose simulazioni di background per quantificare la significatività statistica dei risultati nulli e definizione di metriche a livello di popolazione (purezza) per valutare l'utilità dei cataloghi di candidati.

Gli autori concludono che, sebbene non siano stati rilevati eventi lensed nel periodo O1–O4a, la probabilità di un rilevamento a $3\sigma$ è prevista essere del $\sim 20\%$ entro la fine di O4, del $\sim 23\%$ entro la corsa intermedia (IR1) e del $\sim 67\%$ entro la quinta corsa di osservazione (O5). Il lavoro sottolinea che la mancata rilevazione stessa è preziosa per escludere modelli estremi di tassi di fusione BBH e canali di formazione. L'inclusione degli eventi IAS è evidenziata come un miglioramento significativo, poiché tali pipeline recuperano eventi ad alta massa che sono più propensi al lensing, sebbene gli autori notino che la combinazione di cataloghi introduce complessità negli effetti di selezione che richiedono indagini future.