Vincen Germain 5 ocobre 205 Conribuions à l'analyse pour la recherche d'ondes graviaionnelles Bilan ère année de hèse
Plan Quelles sources asrophysiques cherche--on? L insrumen & les difficulés renconrés Commen analyser les données? Validaion du pipeline MBTA avec des données simulées Suppression de bruis ransioires Calibraion : éude d un brui dans la mesure d éalonnage des miroirs de l inerféromère Virgo 2
Coalescences de Binaires Compaces (CBC) 2 éoiles à neurons (BNS) éoile à neurons + rou noir (NSBH) 2 rous noirs (BBH) Sources d ondes graviaionnelles les plus promeeuses Sources possibles de γ-ray burs (GRB) Crédis : NASA/Swif Hz khz h ~ 0-23 pour une source siuée à 00 Mpc ΔL ~ 0-9 m BNS à 20 Mpc Dépend d un paramère M c = μ 3/5 M 2/5 hp://www.blackholehuner.org/index_fr.hml 3
Recherche de sysèmes binaires en ligne LIGO (H + L) & Virgo (V) : données en commun depuis 2007 Coïncidence : Esimer la posiion de la source Réduire le brui (faux posiifs) Analyse en ligne : soume des candidas de Coalescence de Binaires Compaces Aleres pour un suivi élecromagnéique (EM) 4
L expérience Virgo Déecion direc d ondes graviaionnelles (GW) Suspensions Banc opique Virgo es un inerféromère laser de Michelson ayan deux bras de 3 km de long Ondes graviaionnelles modificaion de la lumière reçue, en sorie de l inerféromère, par les phoodiodes 5
Fréquence [Hz] Fréquence [Hz] Densié Specrale d Ampliude [/ (Hz)] La sensibilié des déeceurs Virgo es en phase d amélioraion Advanced Virgo Ocobre 205 aligo H aligo L La sensibilié es limiée par des bruis gaussiens Fréquence [Hz] Canal auxiliaire Canal sensible aux ondes graviaionnelles Environnemen Bruis ransioires (faux posiifs) limien la significaivié d un évènemen Temps [s] Temps [s] 6
Commen déecer des CBC? Données calibrées du déeceur Banque de emplaes (modèles) Specre de puissance de brui X / Temps [s] Temps [s] MBTA Analyse sur 2 bandes de fréquence : Moins de modèles par bandes de fréquence Coû de calcul moins élevé Rappor Signal sur Brui (SNR) seuil Espace des masses couver par la banque de emplaes Temps [s] 7
Commen valider le pipeline MBTA? Les MDCs (Mock Daa Challenges) Brui de fond recoloré : données prises précédemmen, modifiées pour êre similaire aux fuurs données des déeceurs avancés + Données analysées par MBTA Injecions de signaux simulés d ondes graviaionnelles 2 éoiles à neurons (BNS) éoile à neurons + rou noir (NSBH) 2 rous noirs (BBH) Validaion de MBTA Déecer les injecions les plus proches (déecion plus probable) Reconsruire les paramères des injecions Disinguer injecions & gliches (bruis ransioires) 8
MDCs : Injecions NSBH MBTA : efficacié de la déecion 9
Efficacié de déecion avec la disance Disance élevée des injecions Ampliude décroi en /r 000 000 s 2 jours Les spins son alignés pour la banque de emplaes mais pas pour oues les injecions Ces 2 injecions (< 00 Mpc) son-elles manquées parce que la banque de emplaes n es pas conçue pour les chercher? 0
Pourquoi 2 injecions proches non déecées? NSBH Injecion avec des spins non-alignés Déeceur Spins non-alignés des injecions : 000 000 s 2 jours Modulaion de l ampliude lors de la précession Elles ne corresponden pas aux paramères de la banque de emplaes injecions enlevées des MDCs (don 2 proches non déecées)
MDCs : Injecions NSBH MBTA : reconsrucion des paramères des sources 2
Comparaison : reconsruis vs simulés Reconsrucion de δ (différence de emps d arrivée de l onde graviaionnelle) Esimaion de la posiion de la source par le réseau de déeceurs Reconsrucion de la Chirp mass (M c ) M c = μ 3/5 M 2/5 Esimaion de la masse des objes (M NS, M BH ) 3
Taux de Fausses Alarmes (FAR) o o Injecions Gliches FAR : Esimaion de la fréquence d appariion d un brui ransioire au moins aussi for que l évènemen observé Amélioraion de la réjecion des gliches meilleur FAR /mois Aleres Suivi élecromagnéique 4
MDCs : Injecions BNS MBTA : Amélioraion de la réjecion des gliches (faux posiifs) 5
Tes de χ² implémené dans MBTA Un es de χ² vérifie la cohérence du SNR enre les 2 bandes de fréquence es réussi : glich inj es raé : glich inj Banque de emplae seul emplae Évènemen (injecion ou glich) SNR max(lf, HF) seuil local SNR global seuil global Tes de χ² sur SNR LF & HF Coïncidence Les évènemens qui réussissen le es de χ² on une répariion de SNR équiable enre LF e HF Candida 6
Coupure # : disribuion SNR vs Templae De nombreux bruis ransioires réussissen le es de χ² dans MBTA besoin d une nouvelle coupure de sélecion : Injecions vs Gliches Disribuion du SNR dans différens emplaes de la banque pour chaque évènemen nouveau es # SNR SNR m2 [M o ] Évènemen déclenché par une injecion m2 [M o ] Évènemen déclenché par un glich m [M o ] m [M o ] 7
Coupure #2 : évoluion de SNR vs Temps A.U. Aure coupure proposée : es #2 Évoluion emporelle du signal filré sur 00 ms auour du SNR maximum de l évènemen Mach Filering Oupu shape cu 5 ms MFO laéral (85 ms) / A.U. MFO cenral (5 ms) 5 ms Évènemen déclenché par une injecion Évènemen déclenché par un glich [S] 00 ms 00 ms 8 [S]
Tes # Efficacié du es # Injecions de BNS sur 000 000 s Évènemens MBTA Le nouveau es # n es pas discriminan pour les évènemens à faible SNR (< 0) 9
Tes # Tes # Efficacié de la coupure #2 Injecions de BNS sur 000 000 s Évènemens MBTA Évènemens MBTA + coupure #2 Le nouveau es # n es pas discriminan pour les évènemens à faible SNR (< 0) Le MFO shape cu (es #2) l es implémené dans MBTA Éude des paramères de coupures du MFO shape cu pour les injecions de ype NSBH 20
Processus d analyse Déeceurs (LIGO-Virgo) Données : brui + signal MBTA Filrage adapé Suppression de gliches Suivi élecromagnéique Coupures Coïncidence FAR Candidas 2
Réducion du brui de fond Suppression de Bruis Transioires (Gliches) 22
Moivaion Informaions des déeceurs : canal h() (informaion GW) & des cenaines de canaux auxiliaires pour moniorer l inerféromère Quand il y a un brui ransioire (glich for) dans un canal auxiliaire Veo basé sur les canaux auxiliaires Données h() ne son pas analysées Meilleure méhode : enlever de h() les conribuions de bruis ransioires prédies à parir des gliches dans les canaux auxiliaires Veo les données h() peuven êre analysées 23
Suppression de glich : difficulés Couplage non-linéaire : changemen possible de bande de fréquence du brui ransioire d un canal auxiliaire à h() (up-conversion) Orhogonal : la même informaion de brui ransioire peu êre dans plusieurs canaux auxiliaires ne pas enlever plusieurs fois la même conribuion Sûr : évier la suppression du vériable signal dans h() Avan Après Noisy line Exemple de suppression de bruis dans H avec un signal injecé à 79 Hz CWB - LIGO-G20025 24
Esimaeur Q 70% Méhode développée : SileneC Méhode développée dans Virgo pour les lignes specrales Glich dans V:INJ_RFC_REFL_I Reconsrucion Données 226 canaux auxiliaires uilisés Conribuion des canaux 5% du glich non modélisé Reconsrucion du glich Reconsrucion linéaire + bi-linéaire : prend en compe les changemens de fréquence d un brui enre un canal auxiliaire e h() Orhogonalié : pas de doublons de canaux auxiliaires sélecionnés Esimaeur Q de la conribuion de chaque canal auxiliaire Sûr : à eser! 25
Résumé : bilan de ma ère année Déecion : Les injecions non déecées NSBH on éé expliquées Reconsrucion : La reconsrucion des paramères des injecions par MBTA es saisfaisane Coupures de sélecion : Le es de χ² dans MBTA éai bien ajusé Le nouveau es # n éai pas assez performan sur les bruis ransioires à faible SNR Le nouveau es #2 (MFO shape cu) a éé implémené dans MBTA (plus efficace) Tess sur injecions NSBH L analyse des NSBH par MBTA a éé validé par une revue CBC (LIGO-Virgo) Feu ver pour O 26
Fuur : de O à O2 Run O (H & L) : en cours! (fin en décembre 205) Données analysées en emps réel par MBTA Les méhodes de suppression de bruis ransioires : Es-ce que la suppression de brui es sûr? Commen appliquer cee méhode «en ligne»? Commissioning de Virgo dans les prochains mois SileneC Virgo doi rejoindre LIGO pour le run O2 (206) 27
Merci!
Back-up 29
Tess MDCs : NSBH Une injecion oue les ~ 000 s : NS : masse = [, 3] M₀ & spin = [0, 0.05] BH : masse = [2, 2] M₀ & spin = [0, 0.9895] Banque de emplaes (modèles) : Limie bandes fréquences basse/haue à 20 Hz Masse des objes individuels = [, 2] M₀ & Mchirp < 5.0 M₀ Si M obje < 2 M₀ spin magniude < 0.05 Si M obje 2 M₀ spin magniude < Analyse MBTA avec 000 000 s de données recolorées 30
Tess MDCs : NSBH Disance vs Time Les injecions enlevées des MDCs S > 0.5 & Sz / S o < 0.2 & M BH > 7 M₀ Spin perpendiculaire au momen orbial Spin aligné avec l inclinaison du déeceur Seulemen 7 riggers dans ce cluser 3
Tess MDCs : NSBH Follow-up Injecion enlevée avec un spin perpendiculaire au momen orbial élevé (M BH > 7 M o ) Missed inj : dis = 64.5 Mpc & Mchirp = 2.54 Mo m = 0.39 Mo & m2 =.03 Mo Spin BH = 0.34 & Spin NS = 0.005 Spin BH = 0.592 & Spin NS = 0.025 32
Tess MDCs : NSBH Follow-up Injecion conservée avec un spin perpendiculaire au momen orbial élevé (M BH < 7 M o ) Found inj : dis = 53.2 Mpc & Mchirp = 2.98 Mo m = 5.23 Mo & m2 = 2.32 Mo Spin BH = 0.92 & Spin NS = -0.08 Spin BH = 0.608 & Spin NS = 0.030 33
Tess MDCs : NSBH Paramères Cluser : regroupemen de emplaes déclenchés avec un SNR > 5 Recouvremen des paramères de masse par la banque de emplaes Recouvremen des paramères de spin par la banque de emplaes 34
P Yˆ SileneC Méhode... 0 2 2 2...... ˆ i i i i i i i i i i i i i i i i i n n n n x x x x x y i p i y ˆ Expansion en séries de Volerra :......... 2... 2 2 2 2 2 2 2 u n n n u n n u x u x u x n u x u x u x u u u u where Sous forme maricielle ur r r u n u u n u u F y,...,,...,, ˆ Foncion non-linéaire Modèle Marice des regresseurs Veceur des paramères p i : x i x n Modèle 35
Tess MDCs : coupures Templae : masse de l obje (m) & masse de l obje 2 (m2) 2 paramères Chirp mass (Mc) : M c = μ 3/5 M 2/5 paramère Phase Fracion du SNR² aendu χ² = [P LF ρ α LF cos(φ 0 )]² + [Q LF ρ α LF sin(φ 0 )]² + [P HF ρ α HF cos(φ 0 +Δφ)]² + [Q HF ρ α HF sin(φ 0 +Δφ)]² max SNR Quadraure χ² < A (B + C SNR²) A : 3 (σ) B : 2 (ddl) C : 0.025 (min 97%) MFO < A / SNR² + B A : 65 B : 0.4 36
Tess MDCs : Injecions vs Gliches Templae : masse de l obje (m) & masse de l obje 2 (m2) 2 paramères Chirp mass (Mc) : M c = μ 3/5 M 2/5 paramère Injecions de BNS sur 00 000 s : peu-on rouver un paramère invarian pour les injecions? MBTA fai du clusering : regroupemen (cluser) de emplaes déclenchés (riggers), dans une fenêre emporelle, par un évènemen (signal ou brui) Commen son disribués les riggers dans ces clusers? Le rigger ayan le plus hau SNR es la référence («êe») du cluser : - SNR SNRmax - Mc Mc SNRmax 37
Tess MDCs : Injecions vs Gliches Dans les clusers, on regarde la disribuion des riggers par le rappor SNR / SNRmax en foncion de la différence Mc SNRmax Mc On effecue un ajusemen de gaussienne : exp( -x² / (2*L²) ) paramère libre : L (largeur) Injecion Glich L 38
Tess MDCs : Injecions vs Gliches 5 < SNR < 0 On obien la largeur de la gaussienne pour l ensemble des injecions e des gliches On choisi L_FIT = 0.005 On calcul un SNR héorique pour chaque rigger à parir de Mc SNRmax Mc : 0 < SNR < 500 SNR héorique = exp(-(mc SNRmax Mc)² / (2*L_FIT²)) 39
Tess MDCs : Injecions vs Gliches On fai un es de χ² pour chaque cluser enre la valeur de SNR héorique e la valeur réelle Injecion avec χ² / N rig 7.4 Différence pour les évènemens avec un SNR max > 0 mais pas si SNR max < 0 pas assez de riggers par cluser Glich avec χ² / N rig 0.098 Glich avec χ² / N rig 08.4 40