Mitigando Erros Sistemáticos na Estimativa de Parâmetros de Fusões Binárias de Buracos Negros nos Dados O1-O3 do LIGO-Virgo

Erros sistemáticos na estimativa de parâmetros de fusões de ondas gravitacionais representam um desafio significativo, podendo surgir de diversas fontes. Entre elas, destacam-se as sistemáticas das formas de onda, a descaracterização do ruído nos detectores, artefatos na análise de dados e outros fatores ainda não identificados. A presença desses erros pode comprometer a precisão das inferências sobre as propriedades astrofísicas dos sistemas binários de buracos negros, impactando diretamente a compreensão de fenômenos como a formação e evolução desses objetos cósmicos. A identificação e mitigação dessas fontes de incerteza são cruciais para garantir a robustez dos resultados obtidos a partir dos dados de ondas gravitacionais.

Neste estudo, concentramo-nos na análise de eventos selecionados das três primeiras campanhas de observação (O1-O3) da colaboração LIGO-Virgo-KAGRA (LVK). Foram escolhidos eventos que, em trabalhos anteriores, foram identificados como potencialmente suscetíveis a erros sistemáticos. Para reanalisar esses casos, empregamos modelos paramétricos desenvolvidos em estudos prévios, os quais incorporam explicitamente incertezas tanto na fase quanto na amplitude das formas de onda de ondas gravitacionais. Esta abordagem, fundamentada em dados, utiliza distribuições a priori suficientemente amplas para os parâmetros de incerteza, permitindo uma consideração abrangente de possíveis erros sistemáticos.

Os resultados obtidos demonstram que o método proposto é eficaz na redução de erros sistemáticos. Isso inclui a mitigação de incertezas decorrentes de artefatos de dados, como falhas que ocorrem próximas a um sinal de onda gravitacional e as complexidades do processo de depuração em arquivos de quadros de dados. Adicionalmente, observou-se que resultados que anteriormente apresentavam inconsistências entre diferentes modelos de formas de onda tornam-se significativamente mais coerentes dentro da nossa estrutura analítica. Essa melhoria na consistência é um indicativo da robustez do método em lidar com diversas fontes de erro.

Um evento notável examinado foi o GW191109_010717, que se destaca por suas propriedades de spin antialinhado. Nossas análises revelam que, mesmo dentro da estrutura proposta, este evento continua a exibir características de spin antialinhado. Contudo, um avanço significativo é a consistência dos resultados de inferência, tanto em arquivos de quadros brutos e sem falhas quanto entre os diferentes modelos de forma de onda empregados para este evento, como o IMRPhenomXPHM. Essa consistência reforça a confiabilidade das inferências sobre as propriedades de spin, mesmo em cenários complexos.

Uma tendência similar de melhoria na consistência foi observada para o evento GW200129_065458. Anteriormente, este evento produzia um parâmetro de precessão elevado, mas com inconsistências notáveis entre os diferentes modelos de formas de onda utilizados. Com a aplicação do nosso método, essas inconsistências foram substancialmente reduzidas, proporcionando uma inferência mais robusta e confiável para o parâmetro de precessão. Esses exemplos demonstram a capacidade do nosso método em refinar a estimativa de parâmetros cruciais, mesmo para eventos que apresentam desafios analíticos complexos, contribuindo para uma interpretação mais precisa dos dados de ondas gravitacionais.

Em suma, a aplicação da nossa metodologia paramétrica baseada em dados para mitigar erros sistemáticos na estimativa de parâmetros de fusões binárias de buracos negros mostrou-se altamente eficaz. Ao abordar as incertezas nas formas de onda e a presença de artefatos de dados, conseguimos aumentar a consistência e a confiabilidade das inferências astrofísicas. Este avanço é fundamental para a interpretação precisa dos dados de ondas gravitacionais e para o aprimoramento do nosso conhecimento sobre a população de buracos negros binários. Trabalhos futuros incluirão a aplicação desta metodologia a um conjunto mais amplo de eventos e a exploração de outras fontes potenciais de erro sistemático.