Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > gr-qc > arXiv:2507.12376

帮助 | 高级搜索

广义相对论与量子宇宙学

arXiv:2507.12376 (gr-qc)
[提交于 2025年7月16日 ]

标题: 分析黑洞回音的正交归一化模态

标题: Analyzing Black-Hole Ringdowns with Orthonormal Modes

Authors:Soichiro Morisaki, Hayato Motohashi, Motoki Suzuki, Daiki Watarai
摘要: 在黑洞合并后的环旋信号可以建模为黑洞准不稳定性模式的叠加,为测试引力理论提供了清晰的设置。 特别是,检测多个准不稳定性模式能够对其频率和阻尼时间进行一致性检查,作为广义相对论的测试——这种方法被称为黑洞光谱学。 然而,引入额外的准不稳定性模式会带来挑战,如参数相关性的增加和数据分析中的计算成本提高。 为了解决这个问题,我们提出了一种高效的贝叶斯分析方法,该方法将格拉姆-施密特算法应用于准不稳定性模式。 这减少了模式之间的相关性,并实现了对模式振幅的解析边缘化。 我们使用阻尼正弦波和SXS目录中的数值波形验证了我们的方法。
摘要: The ringdown signal following a BH merger can be modeled as a superposition of BH QNMs, offering a clean setup for testing gravitational theories. In particular, detecting multiple QNMs enables consistency checks of their frequencies and damping times, serving as a test of General Relativity -- a technique known as black hole spectroscopy. However, incorporating additional QNMs introduces challenges such as increased parameter correlations and higher computational costs in data analysis. To address this, we propose an efficient Bayesian analysis method that applies the Gram-Schmidt algorithm to the QNMs. This reduces the correlation between the modes and enables analytic marginalization over the mode amplitudes. We validate our approach using damped sinusoids and numerical waveforms from the SXS catalog.
评论: 10页,5图
主题: 广义相对论与量子宇宙学 (gr-qc)
引用方式: arXiv:2507.12376 [gr-qc]
  (或者 arXiv:2507.12376v1 [gr-qc] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.12376
通过 DataCite 发表的 arXiv DOI(待注册)
期刊参考: RESCEU-16/25

提交历史

来自: Motoki Suzuki [查看电子邮件]
[v1] 星期三, 2025 年 7 月 16 日 16:23:07 UTC (1,728 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
gr-qc
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号