Anatomy of parameter-estimation biases in overlapping gravitational-wave signals: detector network

技術要約：重なり合う重力波信号におけるパラメータ推定バイアスの解剖学：検出器ネットワーク

問題提起
Cosmic ExplorerやEinstein Telescopeといった次世代（XG）地上重力波（GW）検出器は、年間におよそ$10^5$件のコンパクト連星合体（CBC）イベントを検出すると予測されている。感度の向上と信号持続時間の長期化（数時間から数日間に及ぶ）により、複数のGW信号がデータストリーム内で必然的に重なり合うことになる。すべての信号に対するグローバルな同時パラメータ推定（PE）は計算コストが極めて高いが、単一の信号のみを抽出し他の信号を無視することは、推定パラメータにバイアスをもたらす。先行研究では、単一検出器のシナリオにおけるこれらのバイアスを分析しており、主に固有パラメータ（質量、スピン）と限定的な外延パラメータに焦点を当ててきた。しかし、検出器ネットワーク内における完全な外延幾何学的パラメータ、具体的には空の方向（$\hat{n}$）、偏光角（$\psi$）、および傾斜角（$\iota$）への依存性は、まだ十分に解明されていない。検出器ネットワークが、その特有の配置と方位によって、これらの重なり合うバイアスを本質的に抑制するのか、あるいは逆に増幅させるのかは不明である。

手法
著者らは、Wangら[1]による単一検出器のバイアス分析の半解析的フレームワークを、マルチ検出器ネットワークへと拡張した。本研究では、高信号対雑音比（SNR）極限において事後分布を多変量ガウス分布として近似するフィッシャー行列（FM）法を採用している。このアプローチにより、フルベイズ推論の計算コストをかけることなく、（半）解析的なバイアスの特性評価が可能となる。

主な手法構成は以下の通りである：

1. バイアス積分（$J$）： 著者らは、第$D$検出器およびパラメータ$\alpha$に対して定義される「バイアス積分」と呼ばれる複雑な量を導入している。この積分は、簡約化されたバイアスへの寄与を孤立させるものである。
2. 幾何学的分解： ネットワークにおける信号モデルを、幾何学的効果を明示的に分離するように分解する。特定の検出器におけるバイアス積分は、地球の中心に位置する参照用「平均化された」バイアス積分（$\bar{J}_\alpha$）との間で、以下の関係を持つ：
   • 時間遅延（$\Delta \tau_D$）： 検出器の異なる地理的位置によって引き起こされ、合体時刻の差の変数をシフトさせる。
   • 振幅および位相因子（$a_D, \phi_D$）： 異なるアンテナパターン関数および光源の向き（$\hat{n}, \psi, \iota$）によって引き起こされ、積分の振幅をスケールし、位相を回転させる。
3. 定常位相近似（SPA）： 合体時刻の差（$\Delta t_c$）に対するバイアス積分の進化をSPAを用いて分析する。これにより、バイアス積分は位相進化の定常点によって決定される周波数で複素平面内を回転し、その絶対値は緩やかに変化することが明らかになる。
4. 集団シミュレーション： 3検出器ネットワーク（LIGO Hanford、LIGO Livingston、Virgo）を用い、CE-2の感度設定で集団レベルのシミュレーションを実施した。外延パラメータ（空の方向、方位、合体時刻、および位相）を等方的かつ一様にサンプリングし、ネットワーク誘発バイアスの統計的な発生確率を評価した。

主な貢献

• ネットワークへの拡張： 本研究は、「バイアスの解剖学」を単一検出器から検出器ネットワークへと一般化し、幾何学的角度パラメータを通じて単一検出器のバイアスとネットワークのバイアスの関係を明示的に導出した。
• バイアス積分形式： 外延パラメータがバイアスをどのように変調するかを特徴付ける統一的なツールとして、バイアス積分 $J$ を導入した。これは、ネットワークのバイアスが、複素平面における個々の検出器からのバイアス積分の建設的または破壊的干渉の結果であることを示している。
• ネットワーク効果の定量化： 検出器の位置と方位が、バイアスの組み合わせにどのように独立して、あるいは共同で影響を与えるかを体系的に定量化した。

結果

1. バイアスの結合メカニズム：
   • 位置の効果： 異なる検出器の位置は、時間遅延（$\Delta \tau_D$）をもたらす。信号間の時間間隔が小さい場合（$\Delta t_c \lesssim 0.2$ 秒）、これらの遅延によって異なる検出器間のバイアス積分が位相からずれ、破壊的干渉（ネットワーク・バイアスの減少）を引き起こす可能性がある。しかし、$\Delta t_c$ が増加するにつれて位相差は減少し、積分は整列する傾向にあり、建設的干渉へと向かう。
   • 方位の効果： 異なる検出器の方位は、一定の振幅および位相因子をもたらす。位置の効果とは異異なり、これらは $\Delta t_c$ の増加に伴って減衰することはない。
2. ネットワーク vs 単一検出器：
   • ネットワークは常に信号を分離しバイアスを減少させるという直感に反して、本研究では、重なり合う信号の約半分（$\gtrsim 40\%$）において、ネットワークの方が単一検出器よりも大きな簡約化されたバイアスが生じることが判明した。
   • この増幅は、ネットワークが総SNRを増加させ、それによって統計的不確定性（$\Delta \theta_{stat}$）を減少させるために起こる。簡約化されたバイアスは絶対的なバイアスを統計的不確定度で除した比であるため、分母の減少によって、絶対的なバイアスが比例して増加していなくても、バイアスがより顕著になることがある。
   • 「位置の効果」（時間遅延）は $\Delta t_c \gtrsim 0.4$ 秒で無視できるようになる。これは、地球規模のネットワークサイズでは、ほとんどの重なり合うケースにおいて信号を時間的に分離するには不十分であることを意味している。
3. 時間閾値への依存性：
   • 「重なり合う」信号を定義する時間閾値が高くなるにつれ、ネットワーク・バイアスが大きくなるサンプルの割合が増加する。閾値が 0.1 秒から 5 秒の範囲にある場合でも、ネットワーク・バイアスが単一検出器のバイアスを上回るケースの割合は高いまま（40–50%）である。
   • 時間間隔が大きい場合には方位の効果（パターン関数）がバイアスの重ね合わせを支配し、非常に小さい間隔の場合には位置の効果が支配的となる。

意義
本論文は、検出器ネットワークが重なり合う信号のバイアスを本質的に軽減するという仮定には誤りがある、と主張している。むしろ、ネットワークは、SNRの増加とバイアス積分の幾何学的な整列の相互作用により、集団の大部分においてこれらのバイアスを増幅させる可能性がある。この知見は、ネットワーク分析において重なり合う信号を無視することは、単一検出器の分析よりも大きなパラメータ推定誤差を招くリスクがあることを浮き彫りにしている。

著者らは、重なり合う信号に対処する効果的なアルゴリズムの開発には、これらのネットワーク固有の幾何学的効果を考慮しなければならないと結論付けている。バイアス積分は診断ツールとして機能し、単一検出器の推定値の不一致やヌルストリーム解析が、重なり合う信号を特定するための基準となり得ることを示唆している。本研究は、高レートの重力波観測時代における、階層的減算や同時PE（Joint PE）といった将来の戦略のための必要な理論的基礎を提供するものである。