用于自旋双星黑洞并合实时引力波探测的深度学习集成方法
广义相对论与量子宇宙学
2020-12-21 v1
摘要
我们引入深度学习集成用于自旋双星黑洞并合的实时引力波探测。该分析包括训练独立神经网络同时处理来自多探测器的应变数据。这些网络的输出随后被组合并处理以识别显著的噪声触发。我们已将该方法应用于O2与O3数据，发现深度学习集成在引力波开放科学中心可获取的开放源数据中清晰识别出双星黑洞并合。我们还通过处理2017年8月200小时的高级LIGO开放源噪声对该新方法性能进行基准测试。我们的结果表明，我们的方法在高级LIGO数据中以每2.7天搜索数据1次误分类的假正率识别真实引力波源。对这些误分类的跟进将其识别为故障（glitches）。我们的深度学习集成代表了第一类以数百万个描述准圆周、自旋、非进动双星黑洞并合的建模波形训练的神经网络分类器。一旦完全训练，我们的深度学习集成使用4块NVIDIA V100 GPU以快于实时的速度处理高级LIGO应变数据。
引用
@article{arxiv.2010.15845,
title = {Deep Learning Ensemble for Real-time Gravitational Wave Detection of Spinning Binary Black Hole Mergers},
author = {Wei Wei and Asad Khan and E. A. Huerta and Xiaobo Huang and Minyang Tian},
journal= {arXiv preprint arXiv:2010.15845},
year = {2020}
}
备注
10 pages, 7 figures