Transformer能帮助我们进行引力波探测器中重叠信号的参数估计吗？
广义相对论与量子宇宙学
2025-05-06 v1 高能天体物理现象
天体物理仪器与方法
摘要
重叠信号是下一代引力波探测器面临的主要数据分析挑战之一。我们利用Transformer和Normalizing Flows这两种最先进的机器学习算法，来解决爱因斯坦望远镜（ET）中重叠双黑洞并合的参数估计问题。我们提出的模型结合了一个基于Transformer的“知识提取器神经网络”（KENN）和一个Normalizing Flow（HYPERION），以对多个重叠黑洞双星事件进行快速且无偏的推断。该架构的选择利用了Transformer在捕捉应变时间序列数据中复杂且长程的时间结构方面的优势，而Normalizing Flows则提供了一个强大的框架来采样后验分布。我们在模拟的引力波信号上证明了模型的有效性和鲁棒性，表明无论数据中的相关性水平如何，它都能保持相同的精度水平。此外，我们的模型对啁啾质量和并合时间的估计值与真实模拟值的偏差在10-20%以内。所获得的结果令人鼓舞，并表明这种方法可能是迈向爱因斯坦望远镜和其他未来引力波探测器基于深度学习的推断流程的第一步。
引用
@article{arxiv.2505.02773,
title = {Can Transformers help us perform parameter estimation of overlapping signals in gravitational wave detectors?},
author = {Lucia Papalini and Federico De Santi and Massimiliano Razzano and Ik Siong Heng and Elena Cuoco},
journal= {arXiv preprint arXiv:2505.02773},
year = {2025}
}