Generation of Correlated Time Series for X-ray Astronomy Applications

Resumo Técnico: Geração de Séries Temporais Correlacionadas para Aplicações em Astronomia de Raios-X

Definição do Problema
Técnicas no domínio de Fourier, incluindo densidades espectrais de potência (PSDs), densidades espectrais de potência cruzada (CSDs), coerência ($\gamma^2$) e defasagens de fase ($\phi$), são fundamentais para o estudo da física de acreção em binárias de raios-X (XRBs) e núcleos ativos de galáxias (AGN). Avanços recentes, como o ajuste de múltiplos Lorentzians em espectros de potência e cruzados conjuntos, revelaram componentes de variabilidade "ocultos" (ex: oscilações quase periódicas) que são invisíveis apenas nos espectros de potência. No entanto, validar essas técnicas de análise complexas e compreender o comportamento estatístico dos estimadores no domínio de Fourier requer séries temporais sintéticas com propriedades cruzadas realistas e prescritas.

Métodos existentes, como o algoritmo de Timmer & König (1995), podem gerar séries temporais com um espectro de potência específico, mas produzem realizações estatisticamente independentes. Quando calculadas as médias, essas séries independentes exibem coerência zero e defasagem de fase líquida zero, tornando-as inadequadas para testar métodos que dependem de curvas de luz correlacionadas com relações de fase não triviais. Embora existam extensões para estatísticas não gaussianas, faltava um método geral para gerar pares de séries temporais com perfis de coerência e defasagem de fase arbitrários e dependentes da frequência.

Metodologia
Os autores apresentam um algoritmo que generaliza a abordagem de Timmer & König (1995) para gerar pares de séries temporais ($x$ e $y$) com espectros de potência ($P_X, P_Y$), funções de coerência ($\gamma^2$) e perfis de defasagem de fase ($\phi$) arbitrários.

O núcleo do método envolve a decomposição da série temporal "dependente" ($y$) em dois componentes:

1. Um componente incoerente ($y_u$): Não correlacionado com a série de referência.
2. Um componente coerente ($y_c$): Linearmente correlacionado com a série de "referência" ($x$).

No domínio de Fourier, a série dependente $Y$ é construída como:
$$Y = Y_u + R(\nu)X$$
onde $X$ é a transformada de Fourier da série de referência, e $R(\nu)$ é uma função de transferência linear complexa.

Os autores derivam as formas específicas para a constante de normalização e a função de transferência necessárias para corresponder às formas espectrais alvo:

• Função de Transferência ($R$): Derivada para satisfazer a coerência e a defasagem de fase pretendidas:
  $$R(\nu) = \sqrt{\frac{P_Y(\nu)\gamma^2(\nu)}{P_X(\nu)}} e^{i\phi(\nu)}$$
• Constante de Normalização ($K$): Derivada para garantir que a série dependente preserve seu espectro de potência alvo $P_Y$ apesar da adição do termo coerente:
  $$K = \sqrt{\frac{P_Y - P_X|R|^2}{2}}$$
  Aqui, a parte incoerente $Y_u$ é gerada como $K(H_r + iJ_r)$, onde $H_r$ e $J_r$ são variáveis aleatórias gaussianas independentes.

O algoritmo procede desenhando vetores aleatórios gaussianos para os componentes de referência e incoerente, aplicando a função de transferência e a normalização derivadas, e realizando uma transformada de Fourier inversa para obter as realizações no domínio do tempo.

Principais Contribuições

1. Geração de Dados Sintéticos: O artigo fornece um algoritmo completo para gerar pares de séries temporais com espectros de potência, coerências e defasagens de fase independentemente especificados. Isso permite a criação de conjuntos de dados de "verdade fundamental" (ground truth) para testar pipelines de análise de espectro cruzado.
2. Derivações Analíticas de Variância e Covariância: Usando o método delta, os autores derivam expressões analíticas aproximadas para a variância dos estimadores de coerência e defasagem de fase como uma função do número de segmentos de média ($n$):
   • $\text{Var}(\hat{\gamma}^2) \approx \frac{2\gamma^2(1-\gamma^2)^2}{n}$
   • $\text{Var}(\hat{\phi}) \approx \frac{1-\gamma^2}{2n\gamma^2}$
     Eles constroem ainda a matriz de covariância completa $6 \times 6$ relacionando as grandezas base (espectro cruzado real/imaginário, espectros de potência) às grandezas derivadas (coerência, defasagem de fase).
3. Caracterização de Viés: O trabalho aborda explicitamente o viés conhecido nos estimadores de coerência (Nuttall & Carter 1976), confirmando que o estimador superestima sistematicamente a coerência, particularmente em valores baixos de coerência e pequenos números de segmentos.

Resultados
Os autores validam o método através de dois testes primários:

• Validação de Ensemble: Aplicando o algoritmo a um modelo de dois Lorentzians com defasagens de fase distintas ($\phi_0 = 0,15$ rad, $\phi_1 = -0,8$ rad). Os espectros de potência, perfis de coerência e defasagem de fase da média do ensemble dos dados gerados corresponderam de perto aos modelos de entrada ao longo de quatro décadas de frequência. O perfil de coerência mostrou corretamente quedas nas frequências onde múltiplos componentes contribuíram com potência comparável, mimetizando o comportamento observado em fontes como Cyg X-1.
• Simulações de Monte Carlo: Usando 50.000 realizações, os autores verificaram que a dispersão observada nos estimadores de coerência e defasagem de fase correspondeu às fórmulas de variância analíticas derivadas. As simulações também confirmaram o viés teórico no estimador de coerência e demonstraram que o estimador de defasagem de fase não é correlacionado com os espectros de potência, enquanto o estimador de coerência exibe correlações fracas com as grandezas espectrais base.

Significância e Limitações
O artigo posiciona este método como uma ferramenta fundamental para o teste rigoroso de estruturas de análise de espectro cruzado, particularmente aquelas envolvendo ajustes de múltiplos Lorentzians e mapeamento de reverberação. Ao fornecer propriedades estatísticas bem caracterizadas e expressões analíticas de variância, o método auxilia no design experimental (ex: determinar a contagem de segmentos de dados necessária para uma precisão alvo).

Os autores explicitamente notam várias limitações e fronteiras de escopo:

• Ruído e Detectores: O método gera séries temporais sem ruído. Simulações realistas requerem a adição post-hoc de ruído de Poisson e a modelagem de efeitos do detector (ex: empilhamento/pile-up, tempo morto, discretização temporal), que podem alterar a coerência e a defasagem de fase.
• Linearidade: A construção captura apenas correlações lineares entre bandas, negligenciando termos de ordem superior (ex: acoplamento de fase não linear).
• Estatística: As séries temporais geradas são Gaussianas, enquanto sistemas de acreção frequentemente exibem distribuições de fluxo log-normais.
• Interpretação Física: A função de transferência $R(\nu)$ derivada é um constructo matemático para reproduzir observáveis, não necessariamente uma função de resposta física. Em casos onde a série dependente antecede a de referência (defasagem positiva), $R$ codifica uma relação que viola a causalidade; portanto, não deve ser interpretada como um modelo físico da resposta do sistema.

O trabalho conclui que ferramentas de simulação robustas com propriedades estatísticas caracterizadas são essenciais à medida que as técnicas de espectro cruzado se tornam mais sofisticadas na astronomia de raios-X.