利用神经网络表征引力波信号
天体物理仪器与方法
2020-09-15 v1 宇宙学与河外天体物理
摘要
引力波天文学多年来已是公认的研究领域。此外，在 LIGO/Virgo 合作组于 2017 年探测到双中子星系统碰撞发出的首个引力波信号、且该事件伴随其他类型信号探测后，多信使天文学更为有力地确立了自身地位。在此背景下，引力波实验中具备一种快速预警机制极为重要，以告知其他能探测同一事件所产生其他类型信号（如其他波长）的观测台站。本文展示了一种经训练可识别并表征信号加噪声样本中引力波模式的神经网络算法的初步进展。我们实现了该算法的两个版本：一个将引力波信号分为 2 类，另一个按发射源质量比分为 4 类。我们获得了有前景的结果，2 类网络训练与测试准确率达 100%，4 类网络约 95%。我们得出结论，当前版本神经网络算法证明了配置良好且经校准的双向长短期记忆（Bidirectional Long-Short Term Memory）软件能以极高准确度和极短时间对引力波信号分类，即便其伴有噪声。此外，该算法所获性能使其成为一种快速数据分析方法，可用作未来 LISA 任务等引力波观测台站的低延迟流水线。
引用
@article{arxiv.2009.06109,
title = {Characterization of Gravitational Waves Signals Using Neural Networks},
author = {A. Caramete and A. I. Constantinescu and L. I. Caramete and T. Popescu and R. A. Balasov and D. Felea and M. V. Rusu and P. Stefanescu and O. M. Tintareanu},
journal= {arXiv preprint arXiv:2009.06109},
year = {2020}
}
备注
51 pages, 29 figures. This work was presented at the 13th International LISA Symposium, 2020