Quand des trous noirs ou des étoiles à neutrons fusionnent, ils font vibrer l'espace, émettant des ondes gravitationnelles — un gazouillis prédit par Einstein. Des détecteurs comme LIGO capturent cette sonnerie cosmique, dont la hauteur encode les masses. Pourtant, il existe un intervalle silencieux dans l'échelle cosmique : les objets de 2 à 5 masses solaires ne sont presque jamais entendus. Ce fossé de masse inférieur se situe entre les étoiles à neutrons les plus lourdes et les trous noirs les plus légers.
GWSkyNet-MassGap, un réseau de neurones, écoute le gazouillis des ondes gravitationnelles et juge si une fusion implique une étoile à neutrons ou un objet du fossé — comme identifier les instruments d'un orchestre. Il est précis pour les signaux forts, mais peut se tromper sur la répartition des masses dans les signaux faibles. Si des étoiles à neutrons entrent en collision, les télescopes captent une kilonova forgeant de l'or ; les fusions de trous noirs restent sombres. En fouillant les catalogues d'ondes gravitationnelles, il met en lumière des candidats rares. Le fossé pourrait cacher des surprises — peut-être des fantômes de matière quarkique qui ne sont ni étoile ni trou.
tel que rédigé par les auteurs, en anglais arXiv:2605.00391
The physics governing the boundary between the most massive neutron stars (NSs) and the least massive black holes (BHs) is currently uncertain, but could potentially be constrained with new observations. While NSs have been observed with masses up to $$\sim2~M_{\odot}$$, there is a dearth of electromagnetic observations of compact objects in the $$\sim2-5~M_{\odot}$$ range, known as the lower mass gap. Recent observations of gravitational-wave (GW) signals from binary mergers detected by the LIGO-Virgo-KAGRA (LVK) collaboration indicate that this gap is likely not empty. Rapidly distinguishing whether a candidate GW event has components in this purported mass gap can indicate the likelihood of a detectable electromagnetic counterpart, and thus inform decisions for follow-up observations. In this work we train a neural network model, GWSkyNet-MassGap, that simultaneously predicts the probability that a candidate merger has a component in the lower mass gap ($$P_{\mathrm{MassGap}}$$) and the probability that it involves a NS ($$P_{\mathrm{NS}}$$). We find that the model is able to infer information about the source chirp mass to predict $$P_{\mathrm{MassGap}}$$ and $$P_{\mathrm{NS}}$$, leading to correct predictions for high-mass mergers with $$\mathcal{M}_c\gtrsim15~M_{\odot}$$, but less accurate predictions for lower-mass systems which require knowledge of the binary mass ratio to break the mass degeneracy. For candidate events in the first part of LVK's fourth observing run (O4a), the model has a mean prediction error of 9% for $$P_{\mathrm{MassGap}}$$ and 6% for $$P_{\mathrm{NS}}$$. The model could be further developed to rapidly predict the source chirp mass for candidate events in future observing runs.
Un morceau de matière d'étoile à neutrons de la taille d'un sucre pèserait plus lourd que le mont Everest, ce qui en fait la matière la plus dense connue dans l'univers en dehors d'un trou noir.