Debiasing the Observed Fast Radio Burst Population with the CHIME/FRB Selection Function

Resumo Técnico: Desenviesamento da População Observada de Rajadas de Rádio Rápidas com a Função de Seleção do CHIME/FRB

Enunciado do Problema
As Rajadas de Rádio Rápidas (FRBs) observadas pelo Canadian Hydrogen Intensity Mapping Experiment (CHIME/FRB) estão sujeitas a efeitos de seleção instrumental complexos, inerentes aos pipelines de busca de transientes em tempo real. Esses efeitos, mediados por gatilhos de múltiplos estágios, interferência de radiofrequência (RFI) e interações não lineares entre as propriedades das rajadas e os algoritmos de busca, enviesam a amostra observada. Análises de populações anteriores, como as do Catálogo 1 do CHIME/FRB, basearam-se em estruturas de reamostragem que frequentemente assumiam a separabilidade entre observáveis ou careciam de estatísticas suficientes para restringir parâmetros específicos, particularmente a distribuição intrínseca de escalas de tempo de espalhamento ($\tau$) em valores moderados a grandes ($\tau \gtrsim 10$ ms a 600 MHz). A escassez de detecções neste regime, combinada com uma cobertura de injeção esparsa, deixou o comportamento intrínseco de alto $\tau$ fracamente restringido, impedindo conclusões robustas sobre se a população decai, estabiliza ou cresce em tempos de espalhamento elevados.

Metodologia
Este trabalho utiliza uma campanha expandida de 587.367 rajadas sintéticas injetadas no pipeline de busca ao vivo do CHIME/FRB para realizar uma análise abrangente da população do Catálogo 2 do CHIME/FRB. A metodologia procede em três estágios principais:

1. Construção da Amostra e Cortes: Os autores constroem uma amostra de injeção hierárquica abrangendo fluência ($F$), medida de dispersão (DM), largura de pulso intrínseca ($w$) e escala de tempo de espalhamento ($\tau$). A amostra inclui uma fração de exploração uniforme aumentada (30%) para DM, largura e $\tau$, para melhor sondar a transição da detecção para a não detecção. Para a amostra observada do Catálogo 2, são aplicados cortes rigorosos: eventos com $S/N < 12$, $DM < 100$ pc cm$^{-3}$, ou aqueles afetados por espalhamento Galáctico que exceda a resolução temporal, são excluídos. Crucialmente, rajadas com tempos de espalhamento não medidos ($\tau=0$) são excluídas da análise de espalhamento em vez de receberem valores efetivos, para evitar a concentração artificial de massa de probabilidade.

2. Ajuste de Modelo Fiducial: Seguindo a estrutura de reamostragem de CHIME/FRB Collaboration et al. (2021), um modelo fiducial paramétrico é ajustado às distribuições marginalizadas dos dados observados. A população intrínseca é modelada como uma distribuição separável: uma lei de potência para a fluência e distribuições log-normais para DM, largura e escala de tempo de espalhamento. Um procedimento de amostragem por importância repondera as injeções detectadas para corresponder às distribuições do catálogo observado, permitindo a inferência de parâmetros intrínsecos.

3. Função de Seleção Multidimensional Explícita: Para abordar as correlações entre observáveis que a marginalização negligencia, os autores treinam um modelo de regressão logística no conjunto de dados de injeção. Este modelo estima a probabilidade de detecção $S(x)$ como uma função do vetor quadridimensional $x = (F, DM, w, \tau)$, incluindo termos de interação de ordem superior até uma expansão polinomial de quarto grau. Esta função de seleção explícita captura como a escala de tempo de espalhamento e a largura do pulso suprimem conjuntamente a probabilidade de detecção.

4. Inferência Baseada em Simulação (SBI): Para refinar as restrições sobre a cauda de alto $\tau$, os autores empregam um framework de inferência baseada em simulação usando estimativa de posterior neural (NPE). Eles parametrizam a distribuição de espalhamento intrínseca com um aumento log-normal transitando para uma cauda de lei de potência controlada por um parâmetro de inclinação $\kappa$. Ao simular catálogos fictícios com vários $\kappa$ e $\tau_{pivot}$ e comparar estatísticas de resumo com os dados observados, eles inferem a distribuição posterior desses parâmetros, contabilizando a função de seleção totalmente correlacionada.

Principais Contribuições

• Conjunto de Injeção Expandido: O uso de quase uma ordem de magnitude a mais de injeções sintéticas do que estudos anteriores permite uma amostragem mais densa do espaço de parâmetros, particularmente nos regimes de baixa fluência e alto espalhamento.
• Modelagem de Seleção Multidimensional: O artigo vai além das suposições separáveis ao construir um modelo de regressão logística explícito e multidimensional para a função de seleção. Isso captura as dependências acopladas entre fluência, espalhamento, largura e DM que influenciam a detectabilidade.
• Restrições Refinadas de Espalhamento: Ao combinar a função de seleção explícita com SBI, o trabalho fornece uma restrição mais robusta para a distribuição de escala de tempo de espalhamento intrínseca, abordando especificamente o comportamento em altos valores de $\tau$ onde os vieses de seleção são mais severos.
• Framework de Diagnóstico: Os autores introduzem diagnósticos (tamanho de amostra efetiva local $n_{eff}$ e métrica de dominância local $d(\tau)$) para definir objetivamente o limite superior da distribuição de espalhamento que é significativamente restringida pelos dados, indo além de escolhas arbitrárias de agrupamento (binning).

Resultados

• Distribuições Intrínsecas: O modelo fiducial produz restrições mais apertadas para os parâmetros da população em comparação com o Catálogo 1. O índice da lei de potência da fluência é encontrado como $\alpha = -1.07 \pm 0.02$, mais raso que estimativas anteriores. As distribuições de DM, largura e espalhamento são bem restringidas como log-normais.
• Comportamento da Escala de Tempo de Espalhamento: A análise revela evidência de uma leve queda na distribuição da escala de tempo de espalhamento intrínseca de FRBs em valores elevados, embora uma distribuição plana ou levemente crescente não possa ser descartada. Os resultados de SBI restringem o parâmetro de inclinação da cauda para uma mediana de $\kappa = -0.036$ com um intervalo de credibilidade de 95% de $[-0.244, 0.143]$. Isso sugere que a distribuição intrínseca é consistente com ser aproximadamente plana ou levemente decrescente em espaço logarítmico em altos tempos de espalhamento, em vez de crescer bruscamente.
• Comparação com CRAFT: Quando escalonada para uma frequência de referência de 600 MHz, a distribuição de espalhamento intrínseca inferida do CHIME/FRB é amplamente consistente com a distribuição observada do levantamento Commensal Real-time ASKAP Fast Transients (CRAFT). Essa consistência apoia a conclusão de que o CHIME/FRB não está perdendo uma grande população de rajadas altamente espalhadas em relação ao CRAFT, e que a queda observada em alto $\tau$ é provavelmente um recurso intrínseco ou um resultado de efeitos de seleção.
• Regime Restringido: Usando os novos diagnósticos, os autores estabelecem que a distribuição de espalhamento é significativamente restringida até $\tau \approx 30$ ms em 600 MHz, uma melhoria significativa sobre o limite de $\sim 10$ ms estabelecido no Catálogo 1.

Significância
O artigo afirma que a inferência rigorosa da população de FRBs requer um tratamento igualmente rigoroso dos efeitos de seleção do levantamento. Ao fornecer uma descrição do CHIME/FRB que é calibrada pelo levantamento, explicitamente modelada e praticamente utilizável, este trabalho permite o desenviesamento mais preciso das estatísticas de população derivadas de dados de intensidade. Os resultados sugerem que a distribuição de espalhamento intrínseca não exibe um forte aumento em altos tempos de espalhamento, fornecendo evidência mais forte para uma população extragaláctica de rajadas altamente espalhadas. Além disso, o framework desenvolvido serve como base para futuros estudos de população envolvendo dados de banda larga (baseband) e localizações de Outrigger, onde camadas adicionais de efeitos de seleção devem ser contabilizadas. Os autores enfatem que, à medida que as amostras de FRB amadurecem, tal modelagem de função de seleção se tornará central para transformar catálogos de levantamentos em restrições robustas sobre as populações intrínsecas de rajadas e sua astrofísica subjacente.