一种用于引力波信号实时模糊识别的新型多层模块化方法
广义相对论与量子宇宙学
2023-12-19 v4 机器学习
神经与进化计算
摘要
Advanced LIGO 与 Advanced Virgo 地面干涉仪是利用先进激光干涉技术探测引力波信号的仪器。其底层数据分析任务在于从含噪时间序列中识别特定模式，但由于目标信号振幅极小，该任务极为复杂。在此情形下，开发高效的引力波探测算法至关重要。我们提出一种受语音处理技术启发、用于引力波实时探测的新型分层框架；在当前的实现中，其基于一种结合遗传编程与神经网络的最先进机器学习混合方法。该新框架的关键之处在于：结构良好的分层方式，以及较低的计算复杂度。本文描述了该框架的基本概念及前三个层的推导。即便各层基于机器学习方法导出的模型，所提出的分层结构也具有普适性。相较于卷积神经网络等更复杂的方法（其包含数十 MB 的参数集且仅在固定长度数据样本上测试），我们的框架精度较低（例如，在误报概率为 时，可识别 45% 的低信噪比引力波信号，而最先进方法为 65%），但计算复杂度低得多且模块化程度更高。此外，对短时特征的应用使新框架的结果基本不受引力波信号时间位置影响，从而简化其未来在新一代干涉仪引力波探测实时多层流水线中的使用。
引用
@article{arxiv.2206.06004,
title = {A novel multi-layer modular approach for real-time fuzzy-identification of gravitational-wave signals},
author = {Francesco Pio Barone and Daniele Dell'Aquila and Marco Russo},
journal= {arXiv preprint arXiv:2206.06004},
year = {2023}
}