µ-GLANCEは、重力マイクロレンズ効果によって生じる微小な信号を検出するために、残差の相互相関を用いる新しい重力波データ分析技術である。
GW190521 から検出された2つのリングダウンモードのうち、これまで主張されてきた劣勢な(ℓ, m, n) = (3, 3, 0)モードの検出が、統計的に有意であることを示す証拠を、シミュレーションによって裏付けた。
深層学習を用いて、大質量ブラックホール連星の合体前に発生する重力波信号からノイズを除去し、合体時間を高精度で予測する手法を開発した。
本稿では、現在および近い将来の重力波観測において、高次ポストニュートン (PN) 位相補正の切り捨てが、質量比やチャープ質量などのパラメータ推定に及ぼす系統的な誤差について検証しています。
本稿では、高次高調波を考慮した新しい重力波テンプレートバンク構築手法を提案し、従来手法と比較してマッチドフィルタリングのコストを大幅に削減できることを示した。
本稿では、従来のGstLALパイプラインをPyTorchフレームワークに適応させることで、CPUとGPUの両方で柔軟な実行を可能にし、計算能力の向上と持続可能性を確保した、スケーラブルな重力波探索パイプラインを提案する。
本稿では、アインシュタイン方程式の真の解と波形モデルとの間の差異によって生じる重力波パラメータ推定における系統誤差を軽減するために、SEOBNRv4 モデルにおける波形不確かさをモデル化およびマージナル化する効率的な手法を提案する。