用于引力波事件参数估计的条件噪声深度学习
广义相对论与量子宇宙学
2022-02-23 v3 天体物理仪器与方法
摘要
我们构建了一台用于黑洞并合双星引力波事件参数估计的贝叶斯推断深度学习机器。我们的深度贝叶斯机器结构采用条件变分自编码器方案，以引力波应变与探测器噪声的振幅谱密度（ASD）变化为条件。我们表明，我们的深度贝叶斯机器能够给出与嵌套采样方法相容的后验，且优于不以 ASD 为条件的机器。我们的结果意味着，即便存在大幅 ASD 漂移/变化，参数估计过程也可通过深度学习显著加速。我们还将深度贝叶斯机器应用于 LIGO/Virgo O3 事件，其结果与传统贝叶斯推断方法对信噪比高于典型阈值的引力波事件所得结果相容。我们也讨论了未来一些可能的改进方向。
引用
@article{arxiv.2107.10730,
title = {Conditional Noise Deep Learning for Parameter Estimation of Gravitational Wave Events},
author = {Han-Shiang Kuo and Feng-Li Lin},
journal= {arXiv preprint arXiv:2107.10730},
year = {2022}
}
备注
12 pages, 18 figures; v2 minor changes; v2 adopt a new ASD model to accommodate large ASD variations, and redo the PE analysis accordingly. Main conclusion remains