结合有效单体精度与降阶求积速度：基于机器学习的双中子星并合参数估计
广义相对论与量子宇宙学
2023-05-10 v2
摘要
我们提出 mlgw-bns，一种引力波波形替代模型，它能在精度损失可忽略的情况下显著加快双中子星并合频域波形的生成速度。这一改进是通过在一个由精确但相对昂贵的近似模型——最先进的有效单体模型 TEOBResumSPA——生成的波形数据集上训练机器学习模型实现的。当与降阶方案结合时，mlgw-bns 可将波形生成加速至约 35 倍，优于所有具有类似精度的其他近似模型。通过在真实参数估计设置下用我们的方案分析 GW170817，我们展示了相对于 TEOBResumSPA 超过一个数量级的总体加速。我们的方法将允许常规使用精确的有效单体模型，从而对下一代探测器的科学计划产生显著影响。
引用
@article{arxiv.2210.15684,
title = {Combining effective-one-body accuracy and reduced-order-quadrature speed for binary neutron star merger parameter estimation with machine learning},
author = {Jacopo Tissino and Gregorio Carullo and Matteo Breschi and Rossella Gamba and Stefano Schmidt and Sebastiano Bernuzzi},
journal= {arXiv preprint arXiv:2210.15684},
year = {2023}
}
备注
20 pages, 11 figures