用于加速有效一体引力波近似的自编码器模型

预计下一轮观测以及面向第三代观测器如狄拉克望远镜的升级，将在探测灵敏度和紧凑天体合并事件率上实现巨大提升。将要检测到的信号置于更广阔的参数空间进行源参数估计将是计算挑战。因此，有必要 develop 方法来加速具有理论波形预测的似然计算，从而加快参数估计并助力快速的多信使跟踪。在本工作中，我们研究用于引力波生成的自编码器模型，采用 Liao & Lin（2021）表现最佳的体系结构来逼近对齐自旋 SEOBNRv4 inspiral-merger-ringdown 波形。我们的参数空间包括四个参数，[$m_1$, $m_2$, $\chi_1(z)$, $\chi_2(z)$]。质量在 $[5,75] M_{\odot}$ 之间均匀采样，质量比限制为 $10 M_{\odot}$，而自旋在 $[-0.99,0.99]$ 之间均匀分布。我们的模型能够在 GPU 上以约 50 微秒/波形的平均速度，在约 0.1 秒内生成 $10^3$ 波形。这比原始 SEOBNRv4 实现快约 4 个数量级，比现有非机器学习加速波形变体快 2--3 个数量级。测试数据集中生成波形的中位数 mismatch 约为 $10^{-2}$，在 $\chi_{\rm eff}\in[-0.80,0.80]$ 的受限参数空间内性能更佳。我们模型的潜在采样误差可在中位数 mismatch 标准偏差为 $4\times10^{-3}$ 时量化。虽然模型的准确性尚未实现全面生产使用，但模型可用于需要大量近似理论波形的场景，例如快速信天翼定位。