用于引力波早期预警的卷积神经网络：向更低频率拓展
广义相对论与量子宇宙学
2022-08-17 v1
摘要
我们在此介绍一种用于双中子星引力波并合前预警的机器学习流水线的最新进展。本工作始于我们先前论文(PhysRevD.103.102003)中引入的卷积神经网络，该网络在由LIGO设计灵敏度功率谱密度着色的模拟高斯噪声中搜索三类早期旋进信号。我们的新网络能够搜索任意类型的双中子星，可考虑所有可用探测器，并能比先前网络更早发现事件。我们在三类不同噪声中研究方法性能：高斯O3噪声、真实O3噪声与预测O4噪声。我们表明，网络在非高斯噪声中表现几乎与高斯噪声中一样好：我们的方法对真实噪声中存在的故障与伪影具有鲁棒性。尽管它本无法对O3期间探测到的双中子星触发预警(因其信噪比过弱)，我们预期我们的网络将在O4期间发现约3个双中子星，且并合前提前时间为3至88秒。
引用
@article{arxiv.2205.04750,
title = {Convolutional neural network for gravitational-wave early alert: Going down in frequency},
author = {Grégory Baltus and Justin Janquart and Melissa Lopez and Harsh Narola and Jean-René Cudell},
journal= {arXiv preprint arXiv:2205.04750},
year = {2022}
}
备注
11 pages, 10 figures