The data produced by the future space-based millihertz gravitational-wave detector LISA will require nontrivial pre-processing, which might affect the science results. It is crucial to demonstrate the feasibility of such processing algorithms and assess their performance and impact on the science. We are building an end-to-end pipeline that includes state-of-the-art simulations and noise reduction algorithms. The simulations must include a detailed model of the full measurement chain, capturing the main features that affect the instrument performance and processing algorithms. In particular, we include in these simulations, for the first time, proper relativistic treatment of reference frames with realistic numerically-optimized orbits; a model for onboard clocks and clock synchronization measurements; proper modeling of total laser frequencies, including laser locking, frequency planning and Doppler shifts; and a better treatment of onboard processing. Using these simulated data, we show that our pipeline is able to reduce the most critical noises and form synchronized observables. By injecting signals from a verification binary, we demonstrate that good parameter estimation can be obtained on this more realistic setup, extending existing results from previous LISA Data Challenges.
cWB-space: A time-frequency unmodelled transient-search pipeline for LISA
ETH Zurich（苏黎世联邦理工学院）；Universitat de les Illes Balears（巴利阿里群岛大学）；University of Trento（特伦托大学）；INFN-TIFPA, Trento Institute for Fundamental Physics and Applications（意大利国家核物理研究所-特伦托基础物理与应用研究所）
Getting Ready for LISA: The Data, Support and Preparation Needed to Maximize US Participation in Space-Based Gravitational Wave Science
NASA LISA研究小组的任务是研究NASA如何支持美国科学家参与并最大限度地提高激光干涉仪空间天线（LISA）任务的科学回报。LISA是由欧空局领导的引力波天文台，NASA作为初级合作伙伴，计划于2034年发射。在我们的发现中：LISA科学生产力通过功能齐全的美国科学中心和开放获取数据模型得到了极大的提高。正如其他重大任务所表明的那样，科学中心既是研究创新、数据分析、用户支持、用户培训和用户互动的场所，也是放大器。在其最基本的功能中，美国科学中心可以通过托管数据处理中心和美国社区访问LISA数据产品的门户网站来促进进入LISA科学。然而，增强的LISA科学中心可以：支持数据产品验证所需的并行独立处理管道之一;促进LISA所需的高水平数据分析研究;支持不熟悉新型天文台的用户;促进天体物理学和基础研究;提供仪器微妙之处的接口，以验证非凡的发现;训练新用户;并通过客座研究员，博士后和学生计划扩大研究社区。在发射前建立一个美国LISA科学中心可以通过提供培训，举办专题研讨会，传播模拟目录，软件管道和文档，对更广泛的天文学界的参与产生有益的影响。过去的经验表明，成功的科学中心是在发射前几年建立的;这种早期采用模式可能与LISA这样的开创性任务特别相关。
Global time-frequency search for stellar-mass binary black holes in LISA
Max Planck Institute for Gravitational Physics (Albert Einstein Institute)（马克斯·普朗克引力物理研究所（爱因斯坦研究所））；Institute for Gravitational Wave Astronomy & School of Physics and Astronomy, University of Birmingham（伯明翰大学引力波天文研究所与物理与天文学学院）；Center for Computational Astrophysics, Flatiron Institute（平顿研究所计算天体物理学中心）
Accurate and efficient simulation-based inference for massive black-hole binaries with LISA
Universitá degli Studi di Milano-Bicocca（米兰比可卡大学）；INFN, Sezione di Milano-Bicocca（意大利国家核物理研究所米兰比可卡分部）；Max Planck Institute for Gravitational Physics (Albert Einstein Institute)（马克斯·普朗克引力物理学研究所（爱因斯坦研究所））；Nottingham Centre of Gravity & School of Mathematical Sciences, University of Nottingham（诺丁汉大学引力研究中心与数学科学学院）；Institute for Gravitational Wave Astronomy & School of Physics and Astronomy, University of Birmingham（伯明翰大学引力波天文学研究所与物理天文学院）
Bayesian power spectral density estimation for LISA noise based on penalized splines with a parametric boost
The University of Auckland（奥克兰大学）；Auckland University of Technology（奥克兰理工大学）；Université Côte d’Azur, Observatoire de la Côte d’Azur, Artemis, CNRS（蔚蓝海岸大学，蔚蓝海岸天文台，Artemis，法国国家科学研究中心）
Quantum Computing Tools for Fast Detection of Gravitational Waves in the Context of LISA Space Mission
Institute of Space Science – INFLPR Subsidiary（空间科学研究所-INFLPR分部）；Doctoral School of Physics, Faculty of Physics, University of Bucharest（布加勒斯特大学物理学院物理博士学院）
Auxiliary-Channel-Assisted Cross-Talk Noise Removal in LISA Pathfinder
University of Chinese Academy of Sciences（中国科学院大学）；International Centre for Theoretical Physics Asia-Pacific（亚太理论物理中心）；Taiji Laboratory for Gravitational Wave Universe（太极引力波宇宙实验室）；Hangzhou Institute for Advanced Study（杭州高等研究院）
LISA Pathfinder（LPF）任务的主要目标是充分表征加速度噪声模型，并测试未来类似于eLISA概念的天基引力波观测站的关键技术。数据分析团队开发了LISA技术包（LTP）实验的复杂三维模型。这些模型用于模拟，但更重要的是，它们将用于飞行操作期间的参数估计目的。数据分析团队的任务之一是识别对仪器噪声特性有显著影响的物理效应。解决这个问题的一种方法是恢复拟合数据的LTP模型的基本参数。因此，我们希望定义一个最简单的模型，有效地解释观察结果。要做到这一点，采用贝叶斯框架，必须估计两个竞争模型之间的所谓贝叶斯因子。在我们的分析中，我们使用三种主要的不同方法来估计它：可逆跳马尔可夫链蒙特卡罗方法，施瓦茨准则和拉普拉斯近似。他们被施加到模拟LPF实验中，最可能的LTP模型，解释的意见是恢复。本文提出的同一类型的分析预计将在飞行操作中遵循。此外，上述方法的输出与实验设计的相关性进行了探索。
