基于神经网络的LIGO-Virgo-KAGRA第三观测运行中非模型化瞬态的搜索
广义相对论与量子宇宙学
2024-12-31 v1 天体物理仪器与方法
机器学习
摘要
本文 presenting了LIGO、Virgo和KAGRA第三观测运行数据中针对短时程引力波瞬态的神经网络(NN)基于搜索的結果。该搜索针对持续数毫秒到数秒的非模型化瞬态，在30-1500 Hz频率范围内，不对传入信号方向、极化或形态作任何假设。利用Gravitational Wave Anomalous Knowledge(GWAK)方法，我们成功检测到了三个由现有管道识别的二元碰撞(CBC)，以及一系列探测器故障。该算法构建了低维嵌入空间以捕获信号的物理特征，从而实现了对CBC、探测器故障和非模型化瞬态的检测。该研究表明GWAK有能力超越现有管道的限制，增强引力波搜索，为未来的检测策略奠定了基础。
引用
@article{arxiv.2412.19883,
title = {A Neural Network-Based Search for Unmodeled Transients in LIGO-Virgo-KAGRA's Third Observing Run},
author = {Ryan Raikman and Eric A. Moreno and Katya Govorkova and Siddharth Soni and Ethan Marx and William Benoit and Alec Gunny and Deep Chatterjee and Christina Reissel and Malina M. Desai and Rafia Omer and Muhammed Saleem and Philip Harris and Erik Katsavounidis and Michael W. Coughlin and Dylan Rankin},
journal= {arXiv preprint arXiv:2412.19883},
year = {2024}
}