引力波公开警报撤回率的跨运行周期漂移：物理改善还是定义变化？

推荐优先级：最高 · 族 A（公开档案数据） · 参赛子类：Physics — Astronomy · 资源需求：一台笔记本，零器材成本 · 技能取向：统计推理 / 数据管线

1 · 研究问题

LIGO-Virgo-KAGRA 公开警报的撤回率从 O3 的 30.0% 降到 O4 的 10.2%，这个下降中有多少是探测器与流水线的真实改善，有多少是"警报"定义本身在两轮之间发生了变化所造成的假象？进一步：一条被撤回的坏警报在被撤回前存活了多久，这个"被浪费的望远镜时间"是否随运行周期改善？

2 · 研究背景与空白

背景。 引力波探测器每探测到一个候选事件，就会向全球电磁跟随（EM follow-up）观测网发出公开警报，附带一个虚警率（False Alarm Rate, FAR）估计。天文台据此决定是否调动望远镜。若候选后来被判定为噪声，LVK 会发出撤回（retraction）通告。撤回率因此直接衡量警报系统的纯度，对 EM 跟随社区有真实的操作意义——他们真正在乎的不是 FAR 数值，而是"我为一条假警报调动了多少台望远镜"。

已有工作到哪一步。 GraceDB 已逐事件公开发布 FAR 与撤回标记，两个运行周期的汇总数字直接印在页面表头上：O3 为 "56 (80 Total − 24 Retracted)"，O4 为 "254 (283 Total − 29 Retracted)"。GWTC-4.0/5.0 已发布 O4a/O4b 的离线目录。arXiv:2605.16183（2026-05）已对 O3 公开警报做过自动化数据质量回测，报告 96% 识别率与 24% 误报率。但未检索到把公开警报 FAR 当作一个统计总体、跨运行周期做截断感知（truncation-aware）比较的工作。

空白在于：O4 引入了 O3 完全不存在的「低显著性」警报类别（5,136 条），这意味着两轮的"警报"定义本身不同——任何直接比较 O3 与 O4 的做法，首先测到的是定义变化，而不是探测器物理。 这个空白适合一年期学生课题，因为它的技术门槛不在计算而在推理：数据只有几千行 JSON，几分钟就能全部落盘，真正的难点是想清楚选择效应。而且结论正负都成立——分解出来残差大或小，都是有效结论。

3 · 可检验假设

H1 把 O4 的警报集合还原到 O3 的显著性定义之后，撤回率的表观下降（30.0% → 10.2%，即 19.8 个百分点）中，定义变化贡献的部分 ≥ 50%；即在统一定义下，两轮撤回率之差将收窄到 10 个百分点以内。

H2（机制假设，H1 被否证时仍有内容）撤回延迟（初始告警发出到撤回告警发出的时长）的中位数在 O4 显著短于 O3，且该改善独立于显著性定义的变化——因为撤回集合不是按 FAR 阈值截断的样本，不受 H1 所涉的选择效应影响。

4 · 量化验收标准

1. 方法学校验（硬门槛，不过关则后续全部结论无效）。 查询管线必须通过一组已知答案的自检断言：runid: O3 返回 80、runid: O3 label: ADVNO 返回 24、runid: O4 label: ADVNO 返回 29、runid: O4 返回 5,419。这四个数已由公开页面表头与 REST API 两条独立路径交叉验证。跑不出这四个数不许往下做。 设立此门槛的原因见 §6 第 2 步：该 API 有六个不报错的静默失败模式。
2. 统计口径预先写死——分母必须显式声明。 O4 撤回率是 10.2%（29/283 significant）还是 0.54%（29/5,419 全部），完全取决于分母；O3 因无低显著层只能算 30.0%。跨轮比较一律限定在「显著」子集上，并在论文正文中写明该选择及其理由。
3. 统计口径预先写死——必须用截断感知方法。 公开警报集合是按 FAR 阈值截断的样本，对截断分布直接比较均值或中位数测到的是阈值位置而非总体。必须用生存分析或截断分布方法，并额外报告一次"朴素比较 vs 截断感知比较"的对照，量化朴素做法的偏差幅度。
4. 主结论的量化形式。 报告"表观漂移 19.8 个百分点，其中定义变化贡献 Y 个百分点，残差 Z 个百分点"，Y 与 Z 均须给出自助抽样（bootstrap）置信区间。若 Z 的置信区间跨过零，结论为"在现有公开数据下无法分辨物理改善"——这同样是有效结论，但必须给出误差棒证明有能力分辨这个差异。
5. 撤回延迟分析。 逐事件计算 -1-Preliminary.xml 到 -2-Retraction.xml 的时间差，给出 O3 与 O4 的中位数、四分位距与完整分布，样本量为 24 + 29 = 53 个事件（全样本，非抽样）。
6. 可复现性。 全部抓取脚本、自检断言与后处理开源，第三方一键重跑。原始 JSON 落盘存档，因为 GraceDB 是活数据库，数字会随新事件变化——必须记录抓取日期。

5 · 数据与工具

用途	来源 / 工具
超事件列表、FAR、撤回标记	GraceDB REST API 匿名查询，https://gracedb.ligo.org/api/superevents/?query=...。查询须含 category: Production（否则混入 688 条仍在实时生成的 MDC 仿真数据）。撤回的机读判据是 label: ADVNO（RETRACTED 只是页面展示文本，作为 label 查询直接返回 HTTP 400）
初始告警与撤回告警时间戳	GET /api/superevents/<id>/files/?format=json，返回 S190518bb-1-Preliminary.xml、S190518bb-2-Retraction.xml 等，匿名可下载。实测确认 O3 与 O4 均完整保留
探测器灵敏度（BNS range，用于归因）	GWOSC /archive/links/.../json/ 的 BNS 字段。已确认覆盖 O2_4KHZ_R1、O3a_4KHZ_R1、O4a_4KHZ_R1/16KHZ_R1、O4b_4KHZ_R1。实测样本：O2 H1 = 59.21 Mpc、O3a H1 = 101.65 Mpc、O4a H1 = 131.88 Mpc
离线目录（仅用于对照，不计入本项目的数据贡献）	GWTC-4.0 / 4.1 / 5.0，事件数已由 API 实测为 129 / 140 / 161
计算环境	纯 CPU 笔记本，pandas 即可。全部数据为元数据，KB–MB 量级。绝对不碰应变数据（600 GB）
不可用路径（已实测排除，不要写进方案）	GWOSC detector_status 页只有 PNG 无 CSV/JSON；summary.ligo.org 走 LIGO SSO，学生无法访问；online.igwn.org Grafana 取数 API 返回 HTTP 500

能力边界须核实项： O3 与 O4 的公开警报 FAR 阈值官方数值。官方来源 emfollow.docs.ligo.org（LVK Public Alerts User Guide）在本次核查期间多次返回 ECONNREFUSED，两名独立核查者均未能访问。此项未能确认，见 §8 条件 1。

6 · 方法路径

1. 装环境 + 跑通自检。 实现 GraceDB 查询函数，硬编码 §4 第 1 条的四个断言并通过。这一步不过不许继续。
2. 核实工具能力边界。 该 API 有六个不报错的静默失败模式，逐一验证自己的实现没有踩中：查询语法必须是 key: value（冒号加空格，写成 category:Production 会静默返回错误结构）；重复写 label: 是覆盖而非 AND（正确写法是 label: SIGNIF_LOCKED&ADVNO）；SIGNIF_LOCKED 不等于 significant（实测 271 vs 页面 283，差 12 条）；is_gw: True 在公开视图下返回 0；preferred_event 字段在匿名响应中不存在，实际在 preferred_event_data.graceid 里；筛运行周期必须用 runid 而非日期区间（日期窗口法在 O4a 上多出一个边界事件）。
3. 一次性落盘全部数据并记录抓取日期。 抓取只需几分钟，没有理由拖延——尽早落盘可完全消除"数据拿不到"这一类中途崩盘风险。
4. 做撤回延迟分析（最稳的交付物）。 逐事件算 Preliminary → Retraction 存活时长，给出 O3/O4 分布对比。此项无截断选择效应争议，数据完备。
5. 做撤回事件画像。 分析 53 个撤回事件在 FAR、参与探测器数、报告流水线上的分布，回答"什么样的警报更容易被撤回"。须给出明确、可复现的分组判据。
6. 在统一显著性定义下做截断感知的 FAR 分布比较，完成 H1 的分解。此步依赖 §8 条件 1。
7. 独立交叉校验。 用 BNS range 时间序列独立估计"若仅由灵敏度提升解释，撤回率应下降多少"，与步骤 6 的残差 Z 对照。

7 · 新颖性边界

本课题不声称： - 不声称首次发现 O3→O4 撤回率下降。该数字直接印在 GraceDB 公开页面表头上，任何人都能读到，把它当作"发现"会立即失去可信度。 - 不声称首次分析警报质量。arXiv:2605.16183（2026-05）已对 O3 公开警报做过自动化数据质量回测。 - 不声称对 LVK 流水线的 FAR 估计方法提出改进——那需要访问非公开的背景估计数据。 - 不把「警报 FAR」与「GWTC 目录 FAR」混为一谈。前者是当时流水线的在线估计，后者由离线分析给出，是两个不同的量。

已有工作做到哪： GraceDB 公开逐事件 FAR 与撤回标记；GWTC-4.0/5.0 发布 O4a/O4b 离线目录；arXiv:2605.16183 做过 O3 警报的数据质量回测。

本项目的贡献（属「评价维度转换」型）： 已有工作评估的是单条警报的质量与目录的完备性；本项目评估的是警报集合作为一个统计总体，其跨运行周期的表观变化里有多少可归因于定义变化。这个分解是主结论，不是附加内容。

为什么有价值： EM 跟随社区依赖这些警报做望远镜时间分配，纯度的跨轮变化对他们有直接操作意义；而"表观改善里有多少是定义造成的"这个问题，任何只读页面表头数字的人都会答错。

若结论不显著： 残差 Z 的置信区间跨过零，即"在现有公开数据下无法分辨物理改善"，同样是有效结论——但必须给出误差棒证明有能力分辨这个差异，否则等于没做。

8 · 决策门槛（go / no-go）

🟡 条件 1（第 6 周末，即 2026 年 9 月中旬）：取得 O3 与 O4 的官方公开警报 FAR 阈值数值。 官方文档 emfollow.docs.ligo.org 在核查期间完全不可访问。学生须在 8 月内通过其他途径取得：LVK 观测运行规划论文、GCN 通告存档、GWTC 方法论文附录，或直接向 LVK 公开联络邮箱询问。

若 9 月中旬仍未取得，立即降级： 砍掉 H1（定义变化分解），改以撤回延迟分析（H2）+ 撤回事件画像为主线。这两项完全不依赖该文档，数据已实测完备，且撤回集合不是按 FAR 阈值截断的样本，无选择效应争议。主结论框架从"分解表观漂移"变为"量化被浪费的望远镜时间及其跨轮改善"，仍然是一个完整、可答辩的课题。 本方向不因此项失败而整体报废——这是它相对其他方向的核心优势。

⚠️ 与「附属赛后不得修改」的冲突点： 统一显著性定义的具体口径（把 O4 还原到 O3 标准的那条规则）一旦在附属赛后想改就不被允许。必须在 11 月底前定死，并在研究计划中写明该口径的选择理由与敏感性检验结果。

须提前核实而非边做边发现的事项： - 本方向的检索深度受核查配额限制，"未找到前作"不等于"不存在前作"。学生必须在开题前自己补做一轮独立文献检索（重点查 arXiv astro-ph.IM 与 CQG）。 - GraceDB 是活数据库，数字随新事件变化。首次抓取即冻结快照并记录日期，否则中途数字变动会让前后分析对不上。

已知困难及其定位： 截断感知统计是本课题唯一的技术难点。这个困难本身就是研究内容——选择效应正是这个课题要训练的科学思维，不是需要绕开的障碍。

选择前提： 适合数学/统计基础扎实、能接受"主结论可能是一个零结果"的学生。不适合希望做实验装置或需要视觉冲击力展板的学生——本课题的展板全是图表。

预算裁剪顺序： 无预算可裁（零成本）。时间不足时的裁剪顺序为：先砍步骤 7（灵敏度交叉校验），再砍步骤 6（H1 分解），保留步骤 4–5。砍到只剩步骤 4–5 时主结论变为 H2，仍成立。

---

评分： O=8, W=8, F=8, S=8, Fit=10 → base=82.0，h=5 → [77, 87]，置信度：高