深度学习检测二进制近距离碰撞引力波：基于正规化流的快速参数估计

尚未被探测到的一类引力波信号由致密天体在高度偏心 e~1 轨道上的近距离碰撞组成，这些碰撞可能发生在由稠密环境（如星际团簇）形成的二进制系统中。预期的引力波信号为短时脉冲，若在每近星点处发生多次碰撞，则在更长的时间尺度上重复。这些源代表着探索天体物理形成通道的独特机会，也提供了一种不同方式来检验广义相对论。若二进制系统包含中子星，观测这些源可帮助约束等离子体状态，因为 f 模态激发会在碰撞期间留下特征于引力波信号之中。由于预期信号的短时持续时间以及当前地面引力波干涉仪的灵敏度，检测和参数估计这些信号具有挑战性。我们提出了一种新方法，利用概率机器学习。我们使用条件正规化流建模复杂的概率分布，从而推断源参数的后验分布。快速检测和参数估计非常重要，因为这可能触发电磁跟踪任务，为多信使语境下对这些事件的研究提供可能。在开发和测试算法方面，我们聚焦于使用有效飞越形式alism模拟的单次脉冲辐射，并嵌入到 aLIGO 和 Virgo 的噪声中。我们提出的模型在准确性和速度上均优于标准贝叶斯方法，速度提升约5个数量级，在仅0.5秒内即可生成5×10^4个后验样本。结果非常有前景，标志着首次成功地利用深度学习对二进制近距离碰撞进行快速且完整的参数估计，为研究致密二进制系统轨道参数的演化提供了新方法。