Recuperação Lomb-Scargle de sinais binários periódicos na massa e cadência do buraco negro

As pesquisas por binários periódicos de buracos negros supermassivos em curvas de luz de quasares dependem de frações de recuperação, a parcela de sinais injetados detectados, que as previsões usam como eficiências de detecção. Lin, Charisi e Haiman (2026) os mediram para o periodograma Lomb-Scargle em curvas de luz de caminhada aleatória amortecida combinadas com 12.400 quasares Palomar Transient Factory (PTF) brilhantes e de alta massa com massas Sloan Digital Sky Survey Data Release 7 (DR7).

Para testá-los ao longo de quatro décadas de massa, injetamos seus sinais senoidais e dente de serra em curvas de luz de fusões na simulação cosmológica TNG100-1, com magnitudes extraídas de quasares DR7 de massa semelhante (extrapoladas em massa baixa). Aplicamos seu limite em cada compartimento de frequência, definido por curvas de luz somente ruído de $ 10 ^ 5 $ por binário, em cadências PTF observadas, uma cadência Stripe 82 e uma cadência semelhante a LSST (Legacy Survey of Space and Time).

Na magnitude absoluta fixa $M_i=-23$, a recuperação sinusóide cai em direção à massa elevada, e com magnitudes DR7 sobe acima de cerca de $10^8\, M_\odot$, então a atribuição de magnitude define o sinal da tendência. Acima de $10^8\, M_\odot$, onde está sua amostra, a recuperação senoidal da PTF é de 39, 8 contra 44, 7 por cento.

Na cadência semelhante ao LSST, a recuperação senoidal é de 76, 9 por cento, cerca de três vezes os 22, 6 por cento, por razões em grande parte não identificadas. A amostragem mais densa das mesmas linhas de base da PTF não reduziu a recuperação em nenhum teste.

Mesmo na cadência semelhante ao LSST, perdemos a maioria dos sinais dente de serra acima de $10^8\, M_\odot$. Tabulamos a recuperação por caixa de massa de 0, 5 dex e cadência, com valores de massa baixa provavelmente muito altos para uma pesquisa mais profunda.

Tanto indivíduos como organizações que trabalham com arXivLabs abraçaram e aceitaram nossos valores de abertura, comunidade, excelência e privacidade dos dados do usuário.

Fonte