基于深度学习的二进制中子星合并搜索管道

引力波如今常规从致密二进制合并中检测到，二进制中子星合并因被观察到产生电磁对等信号而值得注意。新的搜索管道可能增加综合搜索灵敏度，并改善在干扰和非平稳探测器噪声存在下的检测真实引力波信号的能力。深度学习在引力波数据分析的其他领域取得了成功，但基于深度学习的二进制中子星合并敏感搜索因其长信号长度而尚未实现。本文提出了一种用于检测二进制中子星合并的深度学习管道。通过训练卷积神经网络在信噪比时序序列中检测二进制中子星合并，我们将信号能量浓缩到比基于应变的方法更短且更一致的 timescales 上，同时能够训练网络对抗干扰。我们将管道的灵敏度与使用注入的真实引力波数据中的三个离线检测管道进行比较，发现我们的管道在低于 1/2 个月检测阈值以下时灵敏度相当。此外，我们发现我们的管道在每 2 个月的误报率下，能够提高二进制中子星检测数量增加 12%。该管道还能够成功检测到 LIGO-Virgo-KAGRA 合作检测到的两个二进制中子星合并，尽管GW170817存在响亮的干扰。