EMRI频率轨迹不必先造波形：谐波识别在物理候选内98%正确，参数体积最多再缩四个量级
核心概要
极端质量比旋近（EMRI）的波形长且多谐波，搜索与参数估计代价高。该工作直接用时频搜索输出的频率轨迹训练基于模拟的推断网络：在物理合理的候选内，谐波对识别正确率为98%；序贯推断把内禀参数先验体积压缩，再叠加检测统计量筛选可再缩小最多四个量级，使重度掩蔽轨迹接近掩蔽最轻情形的精度。
深度剖析
EMRI的搜索输出本身——一条或多条频率演化轨迹——可以承担两项任务：判断轨迹对应哪个谐波，以及约束内禀参数。 此前的做法要么依赖昂贵的长波形匹配滤波，要么只在少数系统上零散看过频率轨迹能提供多少信息，没有系统评估。 在10个掩蔽水平、每个水平100对谐波轨迹的注入集上，真实谐波对在分类排序中进入前二，限制在物理合理候选内时98%的情形被直接判对。
方法把两条候选轨迹按不同谐波标签组合还原成方位角与径向基频，再交给三个推断网络。 三个网络分别只看方位角基频、只看径向基频、以及同时看两者；标签正确时三者应指向同一片参数区域，标签错误时复合网络的采样接受率会极低。 用三个后验中位数与复合网络接受率作为四个特征训练分类器，在25000个标签指派上做交叉验证排序。
序贯推断从宽先验出发逐轮截断先验，把参数体积压小，再用检测统计量在缩小后的区域内挑出得分最高的样本。 单靠序贯推断在重度掩蔽下会停滞，因为大部分参数信息集中在接近坠落（plunge）的快速频率演化段。 对掩蔽最重的参考源，序贯推断后叠加检测统计量筛选把先验体积比再降四个量级，达到与掩蔽最轻情形相当的最终水平。
启示与展望
演示范围限于赤道、顺行的偏心EMRI，且只使用频率演化、不使用振幅与相位信息；训练数据由两年长、1262个采样点的基频轨迹构成，噪声按既有半相干搜索管线的残差分布注入。读者对象是从事LISA数据分析与引力波参数估计的研究者。
谐波识别在物理合理候选内为98%，但这一数字依赖所选的谐波标签库；误分类时真实标签仍排在前列，但序贯推断在错误标签下是否保持参数区域一致性尚未检验。检测统计量筛选需要指定一条谐波轨迹，偏心率较高时(2,0)模可能不是最佳选择，会带来偏差。