探索引力波事件中原始黑洞人口的快速深度学习方法

原始黑洞（PBHs）被视为极具吸引力的暗能量候选者，以及通向早期宇宙物理的窗口，可能贡献于LIGO-Virgo-KAGRA网络检测到的引力波（GW）信号中。传统的层次贝叶斯分析依赖精确的GW事件后验估计，从而从GW事件中提取潜在PBH人口信息，这在处理数百个事件的目录时变得计算上不可行。本文提出了一种快速深度学习框架，利用Transformer和正规化流（normalizing flows），将GW事件后验样本映射到PBH人口超参数的联合后验分布。我们的方法在保持准确可信区间的同时，将端到端推理时间缩短至$\mathcal{O}(1)$秒（单 GPU）。这些结果凸显了深度学习在下一代引力波探测器时代进行快速、高精度PBH人口研究的潜力。