非线性噪声回归在Virgo探测器中的应用
广义相对论与量子宇宙学
2025-10-27 v5 天体物理仪器与方法
摘要
本文首次展示了利用深度学习技术在Virgo探测器中实现非线性噪声回归。我们使用DeepClean——一种先前被证明在LIGO数据去噪中有效的卷积自编码器——作为建模和减去Virgo环境噪声与技术噪声的工具。该方法利用辅助见证通道学习相关噪声特征并将其从应变数据中移除。在本研究中，我们将DeepClean应用于Virgo O3b数据，使用了跨越13个目标频段选出的225个见证通道。我们的分析证实了被减噪声中存在非线性耦合，凸显了DeepClean类工具在捕捉此类效应中的重要性。我们观察到双中子星旋近范围提升了高达1.3 Mpc（约2.5%的增益），并且注入的双黑洞信号恢复信噪比平均提高了1.7%。参数估计研究进一步证实DeepClean不会在源参数恢复中引入偏差。这些结果证明了DeepClean在Virgo数据上的鲁棒性，并支持其在未来观测运行中应用于实时噪声减除框架。
引用
@article{arxiv.2410.06220,
title = {Application of Non-Linear Noise Regression in the Virgo Detector},
author = {R. Weizmann Kiendrebeogo and Muhammed Saleem and Marie Anne Bizouard and Andy H. Y. Chen and Nelson Christensen and Chia-Jui Chou and Michael W. Coughlin and Kamiel Janssens and S. Zacharie Kam and Jean Koulidiati and Shu-Wei Yeh},
journal= {arXiv preprint arXiv:2410.06220},
year = {2025}
}