基于生成式预训练变换器的紧凑双星系统波形生成
广义相对论与量子宇宙学
2024-03-07 v3 天体物理仪器与方法
机器学习
摘要
空间引力波（GW）探测是未来十年最受期待的引力波探测项目之一，有望探测到丰富的紧凑双星系统。目前，深度学习方法在引力波波形生成与外推中尚未被广泛探索。为解决由探测器响应与第二代时延干涉测量（TDI 2.0）带来的数据处理困难及日益增加的波形复杂性，本文提出一种名为 CBS-GPT（基于生成式预训练变换器的紧凑双星系统波形生成）的可解释预训练大模型。针对紧凑双星系统波形，训练了三个模型分别预测大质量黑洞双星（MBHB）、极端质量比旋近（EMRIs）和银河系双星（GB）的波形，预测精度最高分别达 99%、91% 和 99%。CBS-GPT 模型展现出显著的泛化性与可解释性，其隐藏参数有效捕捉了波形的复杂信息，即便在复杂仪器响应与宽参数范围内亦然。我们的研究证明了大模型在引力波领域的潜力，为复杂波形生成、缺口补全及引力波科学深度学习模型设计等未来研究开辟了新机遇与指导。
引用
@article{arxiv.2310.20172,
title = {Compact Binary Systems Waveform Generation with Generative Pre-trained Transformer},
author = {Ruijun Shi and Yue Zhou and Tianyu Zhao and Zhoujian Cao and Zhixiang Ren},
journal= {arXiv preprint arXiv:2310.20172},
year = {2024}
}