改善引力波搜索中中间质量黑洞的瞬态噪声脉冲

直接观测中间质量黑洞（IMBH） populations 不仅能加强星体黑洞与超大质量黑洞之间可能的进化联系，还能揭示成对不稳定机制的细节，并阐明其在星系形成中的影响。直到探测到引力波信号 GW190521 后，关于 IMBH 的确认性观测才一直备受遗憾，该信号在高置信度下位于成对不稳定机制预测的质量间隙中。尽管处于当前引力波探测器的灵敏度带内，IMBH 搜索仍因其与称为 glitch 的瞬态探测器噪声脉冲的相似性而具有挑战性。本工作是一种概念验证， 我们将匹配滤波算法与机器学习（ML）方法结合，用于区分 IMBH 信号与非瞬态脉冲噪声（即 glitch）。具体而言，我们构建一个多层感知器网络，对匹配滤波输出的触发器进行多类分类。如此一来，我们能够区分来自第三次观测运行（O3）{单探测器数据}中不同类别的 glitch 的模拟 IMBH 引力波信号。我们在 O3a 数据上对模型进行训练、验证和测试，达到对模拟 IMBH 信号的真阳性率超过 90%。为测试其在演化观测运行中的泛化能力，我们在 O3b 的 useen 数据上进行测试，达到真阳性率超过 70%。我们还结合多个探测器的数据，在真实探测器噪声中搜索模拟 IMBH 信号，为机器学习方法的输出提供显著性度量。