一种用于分钟级暴搜寻的机器学习算法

分钟级引力波(GW)暂现源是持续数秒至数百秒的事件。与致密双星并合相反,其引力波信号涵盖范围广泛且理解甚少的天体物理现象,如吸积盘不稳定性与磁星耀发。缺乏准确且快速生成的引力波辐射模型阻碍了匹配滤波方法的使用。此类事件因而通过无模板的超额功率方法探测,该方法旨在搜寻探测器间在时间-频率空间中相关的局部功率超出。该问题可视为在图像中搜寻高值聚集像素,通常借助卷积神经网络(CNN)等深度学习算法处理。本工作中,我们将 CNN 用作长持续时间搜寻中的异常检测工具。我们表明,尽管仅以极小假设训练,它仍可实现像素级探测,同时能够恢复天体物理信号及源于探测器内部仪器耦合的噪声暂现源。我们还注意到,我们的神经网络能够外推并连接时间-频率平面上部分不相交的信号轨迹。