Key points are not available for this paper at this time.
In letzter Zeit haben mehrere Pulsar-Zeitmessungsprojekte (PTA) Hinweise auf die Existenz eines stochastischen Gravitationswellenhintergrunds (SGWB) im Nanohertz-Frequenzbereich entdeckt, was das Vertrauen in die zukünftige Detektion einzelner supermassiver schwarzer Lochbinärsysteme (SMBHBs) stärkt. Nanohertz-GWs, die von inspirierenden SMBHBs emittiert werden, kodieren die Leuchtkraftdistanzen von SMBHBs. Sie können als dunkle Sirenen dienen, um die Geschichte der kosmischen Expansion über eine statistische Methode zu erkunden, um die Rotverschiebungsinformationen der Wirtsgalaxien von GW-Quellen mithilfe von Galaxienkatalogen zu erhalten. Die theoretische Analyse der dunklen Sirenenmethode basiert auf der Modellierung der Bevölkerung von SMBHBs. Die Verwendung eines Bevölkerungsmodells, das mit den neuesten SGWB-Beobachtungen übereinstimmt, ist entscheidend, da der SGWB erhebliche Informationen über die Verteilung von SMBHBs liefert. In dieser Arbeit verwenden wir ein quasarbasiertes Modell, das konsistent die SGWB-Amplitude berücksichtigen kann, um die Population von SMBHBs zu schätzen. Wir schränken die Hubble-Konstante ein, indem wir die simulierten GW-Daten aus verschiedenen Erkennungsszenarien von PTAs in der Zukunft verwenden. Unsere Ergebnisse zeigen, dass ein PTA, der aus 100 Pulsaren mit einem weißen Rauschpegel von 20 ns besteht, die Hubble-Konstante mit einer Genauigkeit nahe 1\% über einen Beobachtungszeitraum von 10 Jahren messen könnte, und ein PTA mit 200 Pulsaren könnte dieses Ziel über einen Beobachtungszeitraum von 5 Jahren erreichen. Die Ergebnisse deuten darauf hin, dass die Modellierung der SMBHB-Population einen erheblichen Einfluss auf die Analyse der dunklen Sirenen hat und dass SMBHB-dunkle Sirenen das Potenzial haben, als wertvolle kosmologische Sonden entwickelt zu werden.
Xiao et al. (2024) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: