6.4 Combinaison des différentes recherches de MBTA
6.4.4 Discussion de cette approche et optimisations envisagées
Nous avons pu montrer qu’inclure l’information des volumes accessibles aux détecteurs dans le calcul du FAR présente certains avantages et permet de mieux traiter les coïncidences les moins probables. Cela empêche les types de coïncidences les moins probables d’apporter autant de bruit de fond que les autres, et a pour effet d’augmenter très légèrement l’efficacité du pipeline.
L’approche présentée ici présente cependant plusieurs problèmes. Premièrement, elle ne considère que des ranges moyens et ignore les variations des courbes de sensibilité au cours du temps. Afin de s’affranchir en partie de cette approximation, les poids pourraient être ré-estimés, en utilisant la figure 6.15, à intervalles réguliers, toutes les 1000 secondes par exemple pour rester cohérents avec les mises à jours des distributions servant à estimer le FAR.
Une autre approximation faite dans cette étude est de ne considérer que des sources BNS sans spin. Les NSBH et les BBH, à cause des différences de masses, des effets de spins, ou encore de la quantité d’énergie contenue dans les parties merger ou ringdwon du signal, impactent des bandes de fréquences différentes, la définition de l’horizon pour ces sources n’est donc pas exactement la même que pour les BNS. Plus généralement, le volume accessible à chaque détecteur dépend du calque considéré. Bien que les horizons soient différents pour
chaque source dans un détecteur donné, il reste tout de même raisonnable de supposer que les rapports d’horizons entre deux détecteurs sont similaires quelle que soit la source considérée.
Cependant, avec l’amélioration des sensibilités de Virgo et l’arrivée du détecteur KA-GRA, il pourrait devenir nécessaire de définir ces poids pour chaque calque, ou du moins pour chaque région, afin de prendre en compte la dépendance en fréquence dans les sensibi-lités des détecteurs. De la même manière que pour les tests de cohérence, cela ne sera pas facile à réaliser, car il sera difficile de statuer sur la détectabilité d’un signal en particulier.
Il faudra sans doute supposer une courbe de sensibilité et calculer le SNR attendu pour les millions d’injections utilisées.
Un cas qui n’est pas vraiment traité par cette approche est le cas où seul deux détecteurs sont en fonctionnement. Afin de ne pas rajouter ou retirer du bruit de fond, dans ce cas nous avons ici pris le parti de fixer le poids appliqué sur le IFAR à 1. Cependant cela pose un problème important : l’efficacité de la recherche dans deux détecteurs dépend de l’état du troisième. Cela pose aussi problème lorsque l’on souhaite utiliser les distributions définies en équation 2.34, qui sont construites en prenant en compte tous les événements de bruit de fond dans les deux détecteurs considérés, quel que soit l’état du troisième. Par exemple, avec les poids définis plus tôt, une coïncidence HV sera considérée comme 500 fois plus probable si L1 ne prend pas de données analysables. Cela augmente donc le risque de faux positifs lorsque les données d’un détecteur ne sont pas disponibles.
Pour résoudre ce problème, une solution a été envisagée. Elle consiste simplement à utiliser les poids présentés précédemment dans les moments où les trois détecteurs sont en prise de données, afin d’estimer des poids dans les moments où seuls deux détecteurs sont en fonctionnement. Ces poids sont alors choisis comme la somme des poids de la double coïncidence considérée, avec celui des triples coïncidences.
Prenons l’exemple d’un candidat détectable dans H1 et V1, si les trois détecteurs sont opérationnels, ce candidat pourra soit être détectable aussi dans L1, et donc créer une triple coïncidence HLV, soit ne pas l’être et créer une double coïncidence HV. Si L1 n’est pas en fonctionnement, on ne peut pas savoir à laquelle de ces deux populations appartient ce candidat, et l’on doit donc le considérer comme étant seulement dans l’une des deux. Les poids qui peuvent être utilisés dans le cas où seuls deux détecteurs produisent des données analysables sont donc 0.888 + 0.1 = 0.988 pour les HL, 0.002 + 0.1 = 0.102 pour les HV et 0.01 + 0.1 = 0.11 pour les LV.
Avec cette définition, la somme des poids à un instant donné n’est plus toujours égale à 1. C’est à dire que nous n’aurions plus en moyenne une coïncidence par jour avec un IFAR de 1 jour, mais un peu moins. Tous se passerait comme si le temps utilisé dans l’équation 2.34 s’écoulait plus lentement dans les détecteurs les moins sensibles. Cela peut cependant être renormalisé en supposant les cycles utiles des détecteurs.
Cette fonctionnalité a été mise en œuvre après O3 pour l’analyse hors ligne que nous aborderons dans la conclusion de ce manuscrit. Si la méthode générale ne change pas d’ici là, elle devrait aussi être utilisée en ligne pour O4.
Dans le futur, toutes ces approches pourront aussi être retravaillées en utilisant les pro-babilités de détection d’une catégorie de coïncidences donnée en fonction de l’état des dé-tecteurs directement dans la statistique de classement, à la manière de ce qui est fait dans l’équation 6.5.
6.5 Conclusion
Dans ce chapitre nous avons abordé plusieurs méthodes de réjection des bruits, s’appli-quant aux candidats détectés en coïncidences.
Parmi elles, les tests de cohérence permettent de modifier la statistique de classement des coïncidences en fonction des paramètres extrinsèques mesurés par lepipeline. Les coïncidences ayant des paramètres dans chaque détecteur peu compatibles entre eux voient leur statistique de classement réduite.
Nous avons ensuite abordé l’intérêt d’augmenter la période de temps utilisée pour ac-cumuler le bruit de fond utilisé dans l’estimation du FAR. Un temps plus long permet de moyenner les variations dans la qualité des données, et ainsi d’obtenir un bruit de fond plus stable au cours du temps. Afin de ne pas trop impacter la latence, ce temps est passé de 3 heures pendant O2 à 24 heures pour O3, réduisant par la même le FAR minimal que peuvent atteindre les candidats.
Enfin, nous avons étudié une méthode permettant de regrouper toutes les recherches faites par MBTA en une seule, et d’en tenir compte dans le calcul du FAR. Pour cela, un facteur de correction doit être appliqué au FAR. Durant O3, les poids utilisés rendaient compte de la vraisemblance d’observer un événement astrophysique sous un certain type de coïncidence, en fonction des ranges et des réponses d’antennes des détecteurs en fonctionnement.
Plusieurs pistes d’améliorations existent pour ces outils.
Pour ce qui est des tests de cohérence et des poids appliqués sur le IFAR, il pourrait être important de trouver un moyen de mettre à jour ces outils avec l’évolution des ranges. De plus, il serait intéressant d’explorer d’autres types de sources que les BNS.
D’autres pistes d’amélioration sont aussi possibles, comme prendre en compte les corréla-tions entre les paramètres dans les tests de cohérence, utiliser les distribucorréla-tions astrophysiques connues pour réaliser une recherche ciblée, ou encore inclure les poids sur le IFAR directement dans la statistique de classement.
Pour ce qui est du temps utilisé dans le calcul du FAR, les 24 heures choisies semblent être un bon compromis entre une estimation correcte du bruit de fond et une faible latence.
Cette durée pourrait cependant être étendue avec plus de puissance de calcul. Avec une longue période de référence, il serait possible d’estimer le FAR en fonction du calque de la coïncidence, afin de tenir compte de leur inégalité vis-à-vis des bruits.
Nous avons vu la plupart des améliorations apportées à l’analyse MBTAOnline durant O3. Nous allons maintenant discuter en chapitre 7 de cette période d’observation O3 et faire un bilan du comportement de l’analyse en ligne faite par MBTA.
La période d’observation "O3"
Sommaire
7.1 Les nouveaux défis apportés par O3 . . . . 182
7.1.1 L’adaptation dupipeline à un réseau de détecteurs avec des sensi-bilités hétérogènes . . . 182
7.1.2 La validation dupipeline pour O3 . . . 182
7.1.3 L’envoi d’alerte publique et automatique . . . 187
7.2 Les évolutions du pipeline durant O3 . . . . 190
7.2.1 État de l’analyse au début de O3 . . . 190
7.2.2 Changements dans l’architecture dupipeline. . . 190
7.2.3 Changements impactant la recherche . . . 194
7.2.4 Architecture finale du pipeline . . . 195
7.3 L’état des détecteurs pendant O3 . . . . 196
7.3.1 Évolution desranges pendant O3 . . . 196
7.3.2 Stabilité des données et cycles utiles des détecteurs . . . 196
7.4 Bilan technique de MBTA . . . . 198
7.4.1 Pertes de cycle utile . . . 199
7.4.2 Latence . . . 200
7.5 Bilan de l’analyse MBTAOnline . . . . 201
7.5.1 Comparaison des résultats des analyses à faible latence . . . 201
7.5.2 Précision de l’analyse en ligne sur la mesure des masses . . . 205
7.5.3 Résumé des candidats de MBTA . . . 207
7.6 L’apport scientifique de la période d’observation O3a . . . . . 210
7.6.1 Présentation générale des résultats de O3 . . . 210
7.6.2 Quelques événements CBC particuliers . . . 211
7.7 Conclusion . . . . 215
L
a période d’observation O3 a duré environ un an, du 01 avril 2019 au 27 mars 2020. Elle a fait suite à un an et sept mois de pause, qui ont servi à améliorer les détecteurs et repousser les horizons de détection. O3 a été découpée en deux sous-périodes : O3a et O3b, espacée d’un mois de pause en octobre 2019. Initialement prévue pour le 30 avril 2020, la date de fin de O3b a dû être avancée en raison de la pandémie de Covid-19.O3 vient naturellement après O1 (entre le 21 septembre 2015 et le 19 janvier 2016) et O2 (entre le 30 novembre 2016 et le 25 août 2017), qui ont tous deux marqué l’histoire de l’astronomie, respectivement par la première observation d’une onde gravitationnelle et la première observation multi-messagers avec des ondes gravitationnelles. Pour cette nouvelle
181
période d’observation, plusieurs nouveaux défis se sont posés à l’analyse.
Dans ce chapitre, nous commencerons par rappeler ces nouveaux défis qui se sont posés à l’analyse avant et durant O3. Dans un second temps, nous aborderons les évolutions que lepipeline MBTA a connu durant O3. Ensuite, nous reviendrons sur l’évolution des données produites par les détecteurs. Puis, nous finirons par dresser les bilans technique et scientifique de MBTA, avant d’introduire quelques résultats scientifiques de cette période d’observation.