一种用于搜寻未知引力波源的半监督机器学习方法

迄今为止，LIGO和Virgo探测器已探测到数十个引力波（GW）事件。这些引力波均由致密双星并合发出，对此我们有极好的预测模型。然而，可能存在其他我们尚无可靠模型的源。有些预期存在但极为罕见（例如超新星），而另一些则可能完全出乎意料。迄今尚未发现无模型源，但模型的缺失使得此类源的搜寻困难得多且灵敏度更低。我们在此提出一种使用半监督机器学习搜寻无模型引力波信号的方法。我们将深度学习和异常检测算法应用于引力波应变数据的带标签谱图，随后在LIGO公开数据中搜寻具有异常模式的谱图。我们搜寻了前两次观测运行 coincident 数据的 $\sim 13\%$。在所分析的数据中未探测到引力波信号候选体。我们利用模拟信号评估了该搜寻的灵敏度，表明此搜寻能够探测包含不寻常或意外引力波模式的谱图，并给出了达到 $50\%$ 探测率时的波形和振幅。