Parameter estimation horizon of core-collapse supernovae with current and next-generation gravitational-wave detectors
Rattachement africain : kz, ae, pt, es. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Core-collapse supernovae (CCSNe) are powerful sources of gravitational waves (GWs). These signals propagate essentially unobstructed, providing a unique probe of the supernova central engine. In this work, we investigate parameter estimation from the bounce and early ring-down GW signal of rotating CCSNe using machine learning. We infer the peak frequency and peak amplitude of the signal as well as the rotation of the core. We extend previous studies in several directions. We consider a range of progenitor models and nuclear equations of state, and we assess the impact of key physical uncertainties, including bounce-time uncertainty and source inclination. We incorporate both current detector noise and the projected sensitivities of next-generation observatories. We find that uncertainty in the bounce time does not significantly affect parameter estimation when the analysis is performed in the Fourier domain. In contrast, orientations when the rotation axis is near the line of sight substantially degrade performance. For optimal orientations, next-generation detectors can constrain rotation out to distances exceeding 100 kpc.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Parameter estimation horizon of core-collapse supernovae with current and next-generation gravitational-wave detectors
- Date Crossref
- 14/08/2026
- Éditeur
- American Physical Society (APS)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Al-Farabi Kazakh National University pays non établi dans la noticeUniversité ou école supérieure
-
Nazarbayev University pays non établi dans la noticeUniversité ou école supérieure
-
Astana Medical University pays non établi dans la noticeUniversité ou école supérieure
-
Astana IT University pays non établi dans la noticeUniversité ou école supérieure
-
Mohamed bin Zayed University of Artificial Intelligence pays non établi dans la noticeUniversité ou école supérieure
-
University of Minho pays non établi dans la noticeUniversité ou école supérieure
-
Universitat de València pays non établi dans la noticeUniversité ou école supérieure
-
Universidade do Minho pays non établi dans la noticeUniversité ou école supérieure
Al-Farabi Kazakh National University, Nazarbayev University et Astana Medical University, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.