用于引力波参数估计的深度学习
高能天体物理现象
2021-08-27 v3 星系天体物理
广义相对论与量子宇宙学
摘要
近年来，面向引力波（GW）天文学的深度学习（DL）技术改进，显著推动了各类分类算法的发展，这些算法已成功用于从含噪时间序列数据中提取双黑洞并合事件的引力波。然而，这些模型的成功受限于时间样本长度以及引力波源类别：在一定程度上仅限于双黑洞与中子星双星。在这项工作中，我们旨在利用卷积神经网络推进深度学习技术的边界，超越二分类并预测事件的物理参数。我们的目标是提出一种可用于实时探测与参数预测的替代方法。我们提出的深度学习模型在12秒数据上训练，以在探测到引力波时预测其源参数。训练期间达到的最高准确率为90.93%，验证准确率为89.97%。
引用
@article{arxiv.2008.06550,
title = {Deep Learning for estimating parameters of Gravitational Waves},
author = {Shashwat Singh and Amitesh Singh and Ankul Prajapati and Kamlesh N Pathak},
journal= {arXiv preprint arXiv:2008.06550},
year = {2021}
}
备注
15 pages