Buchumschlag

Accounting for the Known Unknowns: A Parametric Framework to Incorporate Systematic Waveform Errors in Gravitational-Wave Parameter Estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kumar, Sumit, Melching, Max, Ohme, Frank
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	General Relativity and Quantum Cosmology High Energy Astrophysical Phenomena Instrumentation and Methods for Astrophysics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Mitigating Systematic Errors in Parameter Estimation of Binary Black Hole Mergers in O1-O3 LIGO-Virgo Data
von: Kumar, Sumit, et al.
Veröffentlicht: (2026)

Parameter Estimation Precision with Geocentric Gravitational Wave Interferometers: Monochromatic Signals
von: Sousa, Manoel Felipe, et al.
Veröffentlicht: (2025)

Gravitational-Wave Parameter Estimation in non-Gaussian noise using Score-Based Likelihood Characterization
von: Legin, Ronan, et al.
Veröffentlicht: (2024)

Decoding Long-duration Gravitational Waves from Binary Neutron Stars with Machine Learning: Parameter Estimation and Equations of State
von: Hu, Qian, et al.
Veröffentlicht: (2024)

Parameter Estimation with Nonstationary Noise in Gravitational-wave Data
von: Kumar, Sumit, et al.
Veröffentlicht: (2022)

Observed Gravitational-Wave Populations
von: Callister, T. A.
Veröffentlicht: (2024)

Hierarchical Subtraction with Neural Density Estimators as a General Solution to Overlapping Gravitational Wave Signals
von: Hu, Qian
Veröffentlicht: (2025)

Estimating Astrophysical Population Properties using a multi-component Stochastic Gravitational-Wave Background Search
von: De Lillo, Federico, et al.
Veröffentlicht: (2023)

New Gravitational Wave Discoveries Enabled by Machine Learning
von: Koloniari, Alexandra E., et al.
Veröffentlicht: (2024)

Cracking Gravitational Wave Multiple Ringdown Modes in Space
von: Wang, Ziming, et al.
Veröffentlicht: (2026)

The NANOGrav 15-year Gravitational-Wave Background Methods
von: Johnson, Aaron D., et al.
Veröffentlicht: (2023)

deci-Hz Gravitational Wave Observations on the Moon and Beyond
von: Berti, Emanuele, et al.
Veröffentlicht: (2026)

Validating Sequential Monte Carlo for Gravitational-Wave Inference
von: Williams, Michael J., et al.
Veröffentlicht: (2025)

Dawning of a New Era in Gravitational Wave Data Analysis: Unveiling Cosmic Mysteries via Artificial Intelligence -- A Systematic Review
von: Zhao, Tianyu, et al.
Veröffentlicht: (2023)

An Implementation to Identify the Properties of Multiple Population of Gravitational Wave Sources
von: Qazalbash, Meesum, et al.
Veröffentlicht: (2025)

Compact Binary Coalescence Gravitational Wave Signals Counting and Separation
von: Zhao, Tianyu, et al.
Veröffentlicht: (2024)

Systematic Biases in Gravitational-Wave Parameter Estimation from Neglecting Orbital Eccentricity in Space-Based Detectors
von: Yang, Jin-Zhao, et al.
Veröffentlicht: (2026)

Methods for Detecting Gravitational Waves from mini-Extreme-Mass-Ratio Inspirals II: A Spectral-Leakage-Aware Framework
von: Wang, Zi-Xuan, et al.
Veröffentlicht: (2025)

Long Short-Term Memory for Early Warning Detection of Gravitational Waves
von: Alfaidi, Reem, et al.
Veröffentlicht: (2024)

Assessing Matched Filtering for Core-Collapse Supernova Gravitational-Wave Detection
von: Andresen, Haakon, et al.
Veröffentlicht: (2024)

Characterizing Gravitational Wave Detector Networks: From A$^\sharp$ to Cosmic Explorer
von: Gupta, Ish, et al.
Veröffentlicht: (2023)

Identifying the Quadrupolar Nature of Gravitational Wave Background through Space-based Missions
von: Chen, Yifan, et al.
Veröffentlicht: (2024)

Characterizing Low-Latency Sky Localization in Multi-Detector Gravitational-Wave Networks
von: Ouzriat, Amazigh, et al.
Veröffentlicht: (2025)

No Glitch in the Matrix: Robust Reconstruction of Gravitational Wave Signals Under Noise Artifacts
von: Chatterjee, Chayan, et al.
Veröffentlicht: (2024)

Search for Microlensing Signature in Gravitational Waves from Binary Black Hole Events
von: Kim, Kyungmin
Veröffentlicht: (2022)

Model-Agnostic Population Inference for Gravitational-Wave Astronomy: From LIGO to LISA
von: Li, Yi-kun, et al.
Veröffentlicht: (2026)

Optimal Follow-Up of Gravitational-Wave Events with the UltraViolet EXplorer (UVEX)
von: Singer, Leo P., et al.
Veröffentlicht: (2025)

Squashed Pyramid Interferometer Network (SPIN): Direct Access to Chirality of Cosmological Gravitational Waves
von: Kharzeev, Dmitri E., et al.
Veröffentlicht: (2026)

Inferring Interference: Identifying a Perturbing Tertiary with Eccentric Gravitational Wave Burst Timing
von: Romero-Shaw, Isobel M., et al.
Veröffentlicht: (2022)

Importance of Shot Noise in the Search for an Isotropic Stochastic Gravitational-Wave Background with Next Generation Detectors
von: Zhong, Haowen, et al.
Veröffentlicht: (2025)

$μ$-GLANCE: A Novel Technique to Detect Chromatically and Achromatically Lensed Gravitational Wave Signals
von: Chakraborty, Aniruddha, et al.
Veröffentlicht: (2024)

Dual Cutler-Vallisneri Corrections: Mitigating PSD Drift in Zero-Latency Gravitational-Wave Searches
von: Kennington, James
Veröffentlicht: (2026)

Source Confusion from Neutron Star Binaries in Ground-Based Gravitational Wave Detectors is Minimal
von: Johnson, Aaron D., et al.
Veröffentlicht: (2024)

A Neural Network Approach to Preferred Event Selection for Low-Latency Gravitational-Wave Alerts
von: Baral, Pratyusava, et al.
Veröffentlicht: (2025)

Fast and Fourier: Extreme Mass Ratio Inspiral Waveforms in the Frequency Domain
von: Speri, Lorenzo, et al.
Veröffentlicht: (2023)

Simulation-based Inference for Gravitational Waves from Binary Neutron Stars: Application of Summary Data from Heterodyning
von: Iwaya, Masaki, et al.
Veröffentlicht: (2026)

A flexible, GPU-accelerated approach for the joint characterization of LISA instrumental noise and Stochastic Gravitational Wave Backgrounds
von: Santini, Alessandro, et al.
Veröffentlicht: (2025)

Fast Waveform Generation for Gravitational Waves using Evolutionary Algorithms
von: Meijer, Quirijn, et al.
Veröffentlicht: (2024)

Gravitational Wave Signal Denoising and Merger Time Prediction By Deep Neural Network
von: Xu, Yuxiang, et al.
Veröffentlicht: (2024)

Beyond FINDCHIRP: Breaking the memory wall and optimal FFTs for Gravitational-Wave Matched-Filter Searches with Ratio-Filter Dechirping
von: Nitz, Alexander H., et al.
Veröffentlicht: (2026)