继续阅读
当前页面用 NANOGrav 15 年数据复算 Hellings–Downs 统计量
脉冲星计时阵列与 Hellings–Downs 曲线 · 阅读路径
这份指南用NANOGrav 15年的公开数据产品,复算一个简化的最优统计量,再像合作组那样用相位打乱和天空打乱来校准。采用首选的噪声模型时,真实数据的 Hellings–Downs 统计量比零高出相位打乱零分布的 个标准差:1000次相位打乱里只有1次做到同样好,所以 。天空打乱给出 个标准差,。这份指南没有复现发表的振幅:复算出的振幅平方约为发表值的十二分之一,原因在这里没有得到验证。指南还记下三种会得出误导结果的做法,以及论文和本次复算对不上的地方。
请先读最优统计量与零假设检验,这里用到的每个量都在那里定义。参考论文是NANOGrav合作组,2023,arXiv第1版。
下载脚本、冻结输入和保存的输出并解压。压缩包里有统计量的6个Python文件、独立核查的4个文件、2个冻结输入文件、4个保存的JSON输出和一份说明。全部只用Python标准库。保存的那次运行用的是Python 3.9.6,耗时13秒。
cd pulsar-timing-optimal-statistic/optimal-statistic
python3 reproduce_optimal_statistic.py ../frozen-inputs ../my-run运行会写出 inputs.json、outputs.json 和 failure-cases.json。除了运行时间,它们应当和保存的输入、输出和失败案例完全一致,因为两种零分布都用了固定的随机种子。
冻结输入来自Zenodo上的两份公开记录,都采用CC-BY-4.0许可:NANOGrav 15年数据集2.1.0版(记录号16051178)和逐颗脉冲星的噪声谱1.0.0版(记录号8092346)。压缩包里的提取脚本可以从这两份下载在一秒内重建冻结输入,它不写出任何原始残差表。
对67颗脉冲星中的每一颗,提取脚本按历元平均窄带残差,构造基 ,并保存 。其中 是 到 时 处的正弦和余弦, 是常数项、 和 , 是残差向量, 是由平均后的误差给出的对角白噪声。下面每种噪声模型都只是 上的不同先验,所以全都可以只用 算出来。
| 量 | 本指南 | NANOGrav 15年论文 |
|---|---|---|
| 脉冲星数和星对数 | 67和2211 | 67和2211 |
| 时间跨度 | 16.03年 | 16.03年 |
| 信号频率 | 5个频率箱, | 14个频率箱, |
| 红噪声频率 | 14个频率箱 | 30个频率箱 |
| 计时模型 | 常数项、自转、自转减慢 | 完整计时模型加DMX |
| 白噪声 | 平均后的到达时间误差 | 每套后端的EFAC、EQUAD和ECORR |
| 脉冲星噪声 | 冻结的NG15噪声谱,3种变体 | 抽样的幂律 |
| 零分布试验次数 | 1000次相位打乱,1000次天空打乱 | 40万次相位打乱,另做天空打乱 |
给定 上的红噪声先验 ,Woodbury恒等式不必构造完整的协方差,就能给出噪声加权的乘积:
用Schur补消去 中三列计时模型,得到 。信号块是 和 ,这里的 指前十列。它们就是论文式9和式10里的量,只是把自转拟合边缘化了。
import json
import optimal_statistic as statistic
import pulsar_projections as projections
products = json.load(open('../frozen-inputs/ng15-noise-weighted-inner-products.json'))
pulsar = products['pulsars'][0]
projection, covariance = projections.projections_for_pulsar(pulsar, 'spectrum-minus-white-floor')
print(pulsar['name'], len(projection), len(covariance))
print(round(statistic.hellings_downs(1.5707963), 4))在 optimal-statistic 文件夹里运行,它先打印 B1855+09 以及十个元素的投影和十乘十的协方差,再打印 ,也就是直角处的 Hellings–Downs 值。
NG15噪声谱的说明文件写明,每颗脉冲星的谱里已经有白噪声、共同过程的功率,以及任何显著的内禀红噪声。这就逼着我们做选择。
“原样谱”模型直接使用这些谱,于是白噪声算了两次。“扣除白噪底”模型把每条谱在 处的值当作白噪底扣掉,这是首选模型。“只有共同过程”模型忽略内禀红噪声,只保留 、 的共同过程。
| 噪声模型 | 形式信噪比 | 相位打乱零分布的散布 | 零分布标准差数 | 相位打乱p值 | 天空打乱p值 | |
|---|---|---|---|---|---|---|
| 原样谱 | 0.41 | 0.17 | 2.4 | 0.013 | 0.028 | |
| 扣除白噪底 | 0.72 | 0.19 | 3.8 | 0.002 | 0.004 | |
| 只有共同过程 | 8.31 | 7.45 | 1.1 | 0.14 | 0.10 |
要看零分布那几栏,不要看形式信噪比。1000次试验能给出的最小p值是 ,所以 意味着只有一次超过。首选模型的三形状拟合给出的信噪比是:Hellings–Downs 形状 ,单极 ,偶极 ,都以形式散布为单位。
以下来自保存的 failure-cases.json。
核查脚本不拿闭合形式的曲线去检验它自己。用显式天线方向图直接做天区积分,与NANOGrav闭合形式之差小于 ,与Allen的单源方差之差小于 。Allen,2022,式2.4与式2.6 60列平面波组成的集合,对10000次实现求平均,最大偏差是 个标准误差。离线注入研究在真实位置上放置人工合成的系数,测量误报率和覆盖率,数字见最优统计量一章。
| 项目 | 印出的值 | 采用或得到的值 | 说明 |
|---|---|---|---|
| 曲线第一个过零点 | 公式在 处为 | ||
| 天线方向图的分母 | 各向异性论文写作 | 是同一个函数;那里的 指向波源 | |
| 曲线归一化 | 零间隔处为 | Allen用 | 比值为 |
| 数据版本 | 2023年的论文用的是首次发布版 | 残差取自2.1.0版 | 结果可能因此略有不同 |
| 最优统计量的信号频率箱 | 14 | 5 | 有意的简化 |
各向异性论文见NANOGrav合作组,2023b。这份指南没有打开两篇经典论文:Hellings和Downs 1983年的论文,以及Gair等人2014年的论文。它们的结果只按NANOGrav论文的引用使用。
它没有测出背景的振幅,没有复现论文第4节给出的形式信噪比 ,也没有检验贝叶斯分析和贝叶斯因子。它说明:在公开数据产品上,一个简单透明的统计量已经能找到 Hellings–Downs 形状的相关,远远超出相位打乱和天空打乱能凑出的范围;这个结论也取决于噪声怎样建模。
当前页面用 NANOGrav 15 年数据复算 Hellings–Downs 统计量
脉冲星计时阵列与 Hellings–Downs 曲线 · 阅读路径