一种用于搜寻连续引力波的鲁棒机器学习算法
天体物理仪器与方法
2020-10-28 v3
摘要
许多连续引力波搜寻都受到仪器谱线的影响，这些谱线可能与连续天体物理信号相混淆。已开发出若干技术，通过对仅出现在单一探测器中的信号进行惩罚来限制这些谱线的影响。我们开发了一种通用方法，使用卷积神经网络来降低仪器伪迹对采用 SOAP 算法的搜寻的影响。该方法能够识别每个探测器对应频带中的特征，并将这些频带分类为包含信号、仪器谱线或噪声。我们使用四个不同的数据集测试了该方法：带时间间隙的高斯噪声、添加了信号的初始 LIGO 最终运行（S6）数据、参考 S6 模拟数据挑战数据集，以及注入到第二版先进 LIGO 观测运行（O2）数据中的信号。使用 S6 模拟数据挑战数据集，在 1% 误报概率下，我们表明在 95% 效率时，全自动化 SOAP 搜寻的灵敏度对应于 110 的相干信噪比，等价于 10 Hz 的灵敏度深度，使得该自动化搜寻与其他需要显著更多计算资源与人工干预的搜寻具有竞争力。
引用
@article{arxiv.2007.08207,
title = {A robust machine learning algorithm to search for continuous gravitational waves},
author = {Joseph Bayley and Chris Messenger and Graham Woan},
journal= {arXiv preprint arXiv:2007.08207},
year = {2020}
}