A stepping stone toward detecting gravitational wave memory: a cumulative analysis with the full $(\ell=2, m=0)$ spherical harmonic using events from GWTC-4.0 and GWTC-5.0

Technische Samenvatting: Een Cumulatieve Analyse van de (ℓ= 2, m = 0) Bolvormige Harmonische Modus in Gravitatiegolfgegevens

Probleemstelling
Nauwkeurige inferentie van bronparameters in gravitatiegolfgegevens (GW-gegevens) vereist golfvormmodellen die alle meetbare signaalbijdragen vastleggen. Terwijl de dominante (ℓ= 2, m = ±2) modi goed gekarakteriseerd zijn, spelen subdominante modi een cruciale rol bij het doorbreken van degeneraties in asymmetrische of sterk geneigde systemen. Dit artikel richt zich specifiek op de (ℓ= 2, m = 0) modus, die twee verschillende fysieke bijdragen bevat: een oscillerende ringdown-component geassocieerd met de quasi-normale modi van het resterende zwarte gat, en de niet-oscillerende verplaatsingsgeheugen (displacement memory). Het verplaatsingsgeheugen ontstaat door de cumulatieve emissie van gravitatiestraling en manifesteert zich als een seculiere, permanente verandering in de ruimtetijd. Het detecteren van dit geheugen is een grote uitdaging; eerdere observationele analyses van catalogi zoals GWTC-1 tot en met GWTC-3 leverden geen concludente detecties op. Theoretische voorspellingen suggereren dat detectie via individuele gebeurtenissen onwaarschijnlijk is met de huidige tweede generatie detectoren, wat in plaats daarvan het stapelen (stacking) van honderden tot duizenden gebeurtenissen vereist. Dit werk beoogt de observationele ondersteuning voor de volledige (2, 0) modus (inclusclusief zowel de oscillerende als de geheugengestuurde componenten) in huidige GW-gegevens te beoordelen, als een opstapje naar de uiteindelijke detectie van gravitatiegolfgeheugen.

Methodologie
De auteurs voeren een systematische heranalyse uit van binaire zwarte gat (BBH) gebeurtenissen uit de GWTC-4.0 catalogus (84 gebeurtenissen) en een geselecteerde subset van hoog-significante gebeurtenissen uit GWTC-5.0 (6 gebeurtenissen). De analyse maakt gebruik van het IMRPhenomTHM_20 golfvormmodel, een tijd-domein fenomenologisch model beperkt tot de quasi-circulaire, niet-precesserende sector, die de (2, 0) modus bevat met zowel de oscillerende ringdown als de verplaatsingsgeheugen-bijdragen. Voor de precesserende kandidaat GW241127_061008 wordt het precesserende model IMRPhenomTPHM_20 toegepast.

De kern van de analyse bestaat uit twee complementaire benaderingen:

1. Bayesiaanse Modelselectie: Voor elke gebeurtenis wordt een gepaard vergelijk wordt uitgevoerd tussen twee hypothesen: $H_{20}$ (IMRPhenomTHM_20 met de (2, 0) modus) en $H_{\emptyset}$ (IMRPhenomTHM zonder de (2, 0) modus). De Bayesfactor ($B$) wordt berekend om de relatieve bewijskracht te kwantificeren. Individuele log-Bayesfactoren worden over de populatie gestapeld onder de aanname van statistische onafhankelijkheid om een cumulatieve bewijsmetriek af te leiden.
2. Signaal-ruisverhouding (SNR) Stacking: De auteurs berekenen de SNR voor de (2, 0) modus, waarbij deze wordt gescheiden in de volledige, de uitsluitend oscillerende en de uitsluitend geheugengestuurde bijdragen. Deze SNR's worden in kwadratuur gestapeld over de gebeurtenenpopulatie om de cumulatieve detecteerbaarheid te beoordelen.

De analyse houdt gemeten vermogensspectrale dichtheden (PSD's) en kalibratieonzekerheden rekening mee. Om de niet-periodieke aard van verplaatsingsgeheugen-signalen te behandelen, wordt de Fourier-transformatie methode gw-foutstep gebruikt om spookartefacten te vermijden. De studie omvat ook injectiestudies (met zowel numerieke relativiteit als fenomenologische golfvormen) om de schaling van Bayesfactoren met SNR te valideren en te controleren op biases in parameterschatting.

Belangrijkste Bijdragen en Resultaten

• Individuele Gebeurtenisbewijslast: Voor de overgrote meerderheid van de gebeurtenissen in GWTC-4.0 en de geselecteerde GWTC-5.0 gebeurtenissen leveren de gegevens geen statistisch significante bewijslast voor de inclusie van de (2, 0) modus. De meeste Bayesfactoren clusteren rond nul, waarbij de onzekerheden overlappen met de nulwaarde. De sterkste individuele voorkeur wordt gevonden voor GW230814_230901, met een log-Bayesfactor van $0.63 \pm 0.09$, wat volgens de Jeffreys-schaal "substantiële" bewijslast vormt, maar nog steeds onder de drempel voor "beslissend" bewijs blijft.
• Cumulatieve Bewijslast: De cumulatieve log-Bayesfactor voor de GWTC-4.0 catalogus is berekend als $\log_{10} B = 1.38 \pm 0.79$. Hoewel dit wijst op een milde tendens naar de aanwezigheid van de modus, betekent de grote onzekerheid dat het resultaat geen beslissend bewijs vormt.
• SNR Stacking: De cumulatieve SNR voor de volledige (2, 0) modus bereikt $3.53^{+0.94}_{-0.41}$ voor de GWTC-4.0 steekproef, waarmee de algemeen aanvaarde detectiedrempel van SNR = 3 wordt overschreden. In contrast hiermee bereikt de uitsluitend geheugengestuurde bijdrage slechts $0.89^{+0.29}_{-0.11}$ na ongeveer 7,5 maanden aan O4a-observaties. Dit suggereert dat het opnemen van de oscillerende component de detecteerbaarheid van de modus aanzienlijk verbetert vergeleken met het zoeken naar enkel het geheugen.
• Precesserende Systemen: De analyse van de precesserende kandidaat GW241127_061008 met behulp van IMRPhenomTPHM_20 levert een log-Bayesfactor op van $-0.01 \pm 0.13$, wat aangeeft dat er geen extra bewijs is voor de (2, 0) modus wanneer precessie wordt meegerekend.
• Parameterschatting: De inclusie van de (2, 0) modus produceert geen merkbare verschuivingen in de afgeleide bronparameters (massa's, spins, afstanden) voor de bestudeerde gebeurtenissen, wat suggereert dat het weglaten van deze modus momenteel geen dominante bron van systematische bias is in de parameterschatting.
• Detectievooruitzichten: Op basis van het fitten van parametrische distributies aan de geobserveerde Bayesfactoren en onzekerheden, projecteren de auteurs dat beslissend statistisch bewijs ($\log_{10} B - 1\sigma > 2$) een catalogus van ongeveer $N_{gebeurtenissen} = 166^{+82}_{-55}$ gebeurtenissen zou vereisen, uitgaande van de huidige detectorgevoeligheden en de specifieke gebruikte golfvormmodellen.

Betekenis en Claims
Dit artikel positioneert deze analyse als een "natuurlijke opstap" naar de detectie van gravitatiegolfgeheugen. De auteurs argumenteren dat omdat de oscillerende component van de (2, 0) modus de signaal-ruisverhouding verhoogt, het detecteren van de volledige modus waarschijnlijk vooraf zal gaan aan de detectie van de geheugencomponent in isolatie. De resultaten bieden een realistische beoordeling van de huidige observationele ondersteuning voor de (2, 0) modus, en bevestigen dat hoewel het signaal aanwezig is in de luidste gebeurtenissen, het subdominant blijft en stacking op populatieniveau vereist voor robuuste detectie.

De auteurs merken expliciet de beperkingen en bescheiden claims op:

• De studie houdt geen rekening met golfvormsystematiek, zoals de afwezigheid van de (3, ±2) modus in de gebruikte fenomenologische modellen, wat de Bayesfactor-schattingen kan beïnvloeden (zoals gezien in het geval van GW230814_230901).
• De projectie voor het aantal vereiste gebeurtenissen ($N \approx 166$) wordt als optimistisch beschouwd, aangezien deze rust op de specifieke aannames van de huidige analyse en nog geen uitgebreide studies naar systematiek bevat.
• Het artikel concludeert dat hoewel de (2, 0) modus begint bij te dragen aan de luidste gebeurtenissen, robuuste detectie op gebeurtenisniveau buiten bereik blijft voor de huidige grondgebonden gevoeligheid, en toekomstige detectie waarschijnlijk grotere catalogi en uitgebreidere studies naar golfvormsystematiek zal vereisen.