用于实时估计引力波事件的紧凑二元合并参数的神经网络
广义相对论与量子宇宙学
2025-08-21 v2 高能天体物理现象
天体物理仪器与方法
摘要
低延迟管线分析引力波来自紧凑二元合并事件的信号，依赖于匹配滤波技术。模板库和波形建模的局限性，以及非平稳探测器噪声，导致特别是对于高啁叫质量的事件在信号参数恢复方面出现错误。我们提出了一种分位数回归神经网络模型，提供对关键参数（如啁叫质量、质量比和总质量）的动态边界。我们在各种合成数据集和来自LIGO-Virgo-KAGRA引力波瞬态GTWC-3目录的真实事件上测试该模型。我们发现该模型在所有数据集上的准确率始终超过90%。我们探讨了将神经网络边界用作在线参数估计先验的可能性。我们发现，这种方法可减少9%的似然评估次数。这一方法可能在不影响天空定位的情况下缩短参数估计运行时间。
引用
@article{arxiv.2505.18311,
title = {A neural network for estimating compact binary coalescence parameters of gravitational-wave events in real time},
author = {Sushant Sharma Chaudhary and Gianmarco Puleo and Marco Cavaglia},
journal= {arXiv preprint arXiv:2505.18311},
year = {2025}
}