基于 DECi-hertz 干涉引力波天文台对宇宙加速参数的深度学习预测
星系天体物理
2023-12-14 v2
摘要
验证宇宙加速膨胀是理解宇宙演化的重要问题。通过约束宇宙加速参数 ，我们可区分 （宇宙学常数加冷暗物质）模型与 LTB（Lema\^itre-Tolman-Bondi）模型。本文中，我们探索利用中子星双星（NSBs）在 0.1Hz–10Hz 频段的旋进引力波波形约束宇宙加速参数的可能性，该频段可被第二代天基引力波探测器 DECIGO 探测。我们使用卷积神经网络（CNN）、长短期记忆（LSTM）网络结合门控循环单元（GRU）以及 Fisher 信息矩阵来推导对宇宙加速参数 的约束。基于时长 1 个月的模拟引力波数据，我们得出结论：CNN 能将相对误差限制在 14.09%，而 LSTM 网络结合 GRU 能将相对误差限制在 13.53%。此外，对 5 年观测的引力波数据使用 Fisher 信息矩阵可将相对误差限制在 32.94%。与 Fisher 信息矩阵方法相比，深度学习技术将显著改善不同红移下对宇宙加速参数的约束。因此，DECIGO 有望通过观测并合双中子星的啁啾信号，提供对宇宙加速的直接测量。
引用
@article{arxiv.2307.16437,
title = {Deep learning forecasts of cosmic acceleration parameters from DECi-hertz Interferometer Gravitational-wave Observatory},
author = {Meng-Fei Sun and Jin Li and Shuo Cao and Xiaolin Liu},
journal= {arXiv preprint arXiv:2307.16437},
year = {2023}
}