Die Erforschung von Gravitationswellen hat unsere Sicht auf das Universum revolutioniert. Mit dem bevorstehenden Start von LISA, einem Weltraum-Gravitationswellendetektor, und neuen Berichten über Hinweise auf einen Gravitationswellenhintergrund im Nanohertz-Bereich aus Pulsar Timing Array (PTA)-Experimenten, eröffnen sich neue Möglichkeiten und Herausforderungen. Diese Dissertation entwickelt innovative Datenanalysetechniken und Wellenformmodelle, um Erkenntnisse aus diesen Beobachtungen zu gewinnen.
Ein Schwerpunkt liegt auf der Untersuchung von Extreme Mass Ratio Inspirals (EMRIs) durch LISA. Diese Quellen bestehen aus kleinen, kompakten Objekten, die sich um ein zentrales Schwarzes Loch bewegen. Die Wellenformen von EMRIs bieten die Möglichkeit präziser Parametermessungen, sind jedoch aufgrund ihrer langen Signaldauer und harmonischen Komplexität schwer zu berechnen. Wir präsentieren die Implementierung einsatzbereiter EMRI-Wellenformen im Frequenzbereich für Grafikprozessoren (GPUs) und zentrale Recheneinheiten (CPUs). Zudem untersuchen wir das wissenschaftliche Potenzial von EMRIs innerhalb von Akkretionsscheiben, erforschen den Einfluss von Umwelteffekten mittels bayesianischer Methoden und bewerten die Multimessenger-Aussichten dieser Systeme.
Im PTA-Bereich entwickeln wir Methoden zur Optimierung der Datenkombinationen für PTA-Analysen und tragen zum European Pulsar Timing Array bei, indem wir alternative Sampling-Pipelines für die Analyse von Gravitationswellenhintergründen und individuellen Quellen implementieren. Mit transdimensionalen Sampling-Methoden suchen wir nach einzelnen supermassiven Schwarzen Löchern und bewerten deren Signifikanz.
Diese Dissertation trägt zur Weiterentwicklung der Gravitationswellenastronomie bei, indem sie neue Methoden und Modelle entwickelt, die tiefere Einblicke in die kosmischen Phänomene ermöglichen, die von LISA- und PTA-Beobachtungen erfasst werden. / Gravitational wave astronomy has reshaped our understanding of the cosmos. As we look towards the future launch of LISA, a space-based gravitational wave detector, and analyze recent evidence of a nanohertz gravitational wave background from Pulsar Timing Array (PTA) experiments, new opportunities and challenges emerge. This thesis delves into developing novel data analysis techniques and waveform models to extract information from these observations.
Focusing on LISA, we delve into Extreme Mass Ratio Inspirals (EMRIs). These sources consist of small compact objects spiralling into massive black holes at the centres of galaxies. Their observations are expected to provide precise parameter measurements for these systems.
However, EMRI waveform generation poses challenges due to the long signal duration and large harmonic content. For the first time, we provide a fast implementation of EMRI waveforms in the frequency domain, suitable for both graphics processing units (GPUs) and central processing units (CPUs).
In addition, we explore the scientific potential of EMRIs embedded in accretion disks. Employing Bayesian inference, we investigate the measurability of environmental effects and explore these systems' multimessenger prospects.
Transitioning to PTA, we develop methods to optimize data combinations for PTA analyses. We present our contributions to the second data release of the European Pulsar Timing Array collaboration, which consists of implementing alternative sampling pipelines for gravitational wave background and individual source analyses. Using trans-dimensional sampling methods, we search for individual supermassive black hole binaries and assess their significance.
The burgeoning field of gravitational wave astronomy has the potential to transform our understanding of the Universe. The work in this thesis develops new approaches that will facilitate the delivery of the best possible scientific results from current and future gravitational wave observations.
| Identifer | oai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/29752 |
| Date | 18 July 2024 |
| Creators | Speri, Lorenzo |
| Contributors | Buonanno, Alessandra, Vecchio, Alberto, Weniger, Christoph |
| Publisher | Humboldt-Universität zu Berlin |
| Source Sets | Humboldt University of Berlin |
| Language | English |
| Detected Language | English |
| Type | doctoralThesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | (CC BY 4.0) Attribution 4.0 International, https://creativecommons.org/licenses/by/4.0/ |
Page generated in 0.0022 seconds