Junto a este trabajo, en el archivo hay estudios que también reconstruyen poblaciones de agujeros negros a partir de ondas gravitacionales: unos usan modelos paramétricos con picos y quiebres, otros construyen reconstrucciones no paramétricas o recurren al aprendizaje automático para acelerar el análisis. La dirección común de los vecinos consiste en extraer de los crecientes catálogos de LIGO–Virgo–KAGRA la forma de la distribución de masas y su posible dependencia del corrimiento al rojo. Este artículo va en la misma línea, pero resuelve la tarea de otro modo: en lugar de una forma funcional fija, entrena una densidad neuronal directamente mediante la verosimilitud jerárquica, lo que permite captar estructura que no se ha postulado de antemano.
La densidad poblacional en coordenadas de corrimiento al rojo, masa primaria y masa secundaria se modela con un flujo de splines neuronal autorregresivo. Los parámetros del flujo se optimizan mediante la verosimilitud jerárquica: para cada evento, la integral sobre los parámetros ocultos se estima a partir de sus muestras a posteriori, y el factor de selección se calcula con las inyecciones detectadas de la campaña. El entrenamiento se lleva a cabo con descenso de gradiente estocástico por minilotes de eventos, con ejecuciones repetidas y validación cruzada. La densidad final se obtiene como un conjunto ponderado de puntos de control de la parte convergente de las trayectorias. Todas las conclusiones se limitan a la región respaldada por las inyecciones detectadas, que se construye mediante predicción conforme.
En dos catálogos simulados que solo difieren en la presencia de evolución del pico gaussiano de masas primarias con el corrimiento al rojo, la reconstrucción reproduce la estructura de masas inyectada dentro de la región respaldada. El diagnóstico de información mutua da para el modelo estacionario una mediana de −0.0021 con una dispersión de −0.0065 a +0.0078, y para el modelo evolutivo +0.0122 con una dispersión de +0.0070 a +0.0097, lo que separa con claridad los dos escenarios. Al aplicarlo a los 231 eventos de GWTC-5.0 se detectan peculiaridades en torno a 10 y 35 masas solares, coherentes con el análisis oficial de la colaboración. El valor del diagnóstico para los datos reales es +0.0026 con una dispersión de −0.0043 a +0.0049, que no muestra el desplazamiento positivo característico de la evolución.
El trabajo se distingue de los estudios vecinos en que no fija de antemano la forma funcional de la distribución de masas, sino que deja que los propios datos la determinen mediante una densidad neuronal flexible. A diferencia de intentos anteriores de usar flujos sin corregir la selección, aquí los efectos de selección se tienen en cuenta de forma explícita y el entrenamiento se mantiene estable. Es la primera prueba de este enfoque con GWTC-5.0 controlando a la vez la dependencia del corrimiento al rojo, lo que ofrece una base más sólida para futuras conclusiones cosmológicas.
Una extensión natural será incorporar los parámetros cosmológicos directamente en la inferencia, para restringir de forma conjunta la población y la relación entre distancia y corrimiento al rojo. El método puede trasladarse a otras tareas en las que los objetos se observan con ruido y selección, por ejemplo la demografía de exoplanetas o de supernovas. Mejorar aún más la arquitectura del flujo y la estrategia de entrenamiento puede aumentar la precisión de la reconstrucción a medida que crezcan los catálogos.
Los resultados influirán en la astrofísica de ondas gravitacionales y en la cosmología, sobre todo en los métodos de sirenas oscuras, donde la forma de la distribución de masas entra directamente en la restricción de los parámetros cosmológicos.
El siguiente paso será aplicar el método a futuros catálogos de LIGO–Virgo–KAGRA con un mayor número de eventos, así como adaptarlo para inferir de forma conjunta la población y la cosmología.
En la astrofísica de ondas gravitacionales sigue abierta la pregunta sobre el origen de los picos en la distribución de masas de los agujeros negros y su posible evolución con el corrimiento al rojo. Este trabajo propone una herramienta capaz de poner a prueba tales hipótesis sin suposiciones previas sobre la forma de la distribución.
En la campaña de inyecciones para GWTC-5.0 se generaron 1.57 mil millones de señales, de las cuales solo 1.34 millones superaron el umbral de detección, lo que equivale aproximadamente a una «superviviente» por cada mil generadas.