利用深度学习探测星载探测器的极端质量比旋近
广义相对论与量子宇宙学
2023-09-14 v1
摘要
星载引力波探测器的主要目标之一是探测极端质量比旋近（EMRIs）。由于EMRI信号复杂且漫长，并因其固有微弱信号而更趋复杂，此项任务构成重大挑战。在本研究中，我们引入一种2层卷积神经网络（CNN）方法来探测星载探测器的EMRI信号。我们的方法采用Q变换进行数据预处理，在有效保留EMRI信号特征的同时最小化数据尺寸。通过利用CNN的强大能力，我们可可靠区分EMRI信号与噪声，尤其在信噪比（SNR）达到50时——该基准被视为“黄金”EMRI。同时，我们引入时间延迟干涉法（TDI）以确保实际效用。我们使用0.5年数据集评估模型性能，在50–100不同信噪比下以1%假阳性率（FPR）取得94.2%的真阳性率（TPR），且在SNR为50时达到91% TPR与1% FPR。本研究强调了结合深度学习方法推进EMRI数据分析的前景，可能实现快速的EMRI信号探测。
引用
@article{arxiv.2309.06694,
title = {Detecting extreme-mass-ratio inspirals for space-borne detectors with deep learning},
author = {Qianyun Yun and Wen-Biao Han and Yi-Yang Guo and He Wang and Minghui Du},
journal= {arXiv preprint arXiv:2309.06694},
year = {2023}
}
备注
12 pages, 8 figures, 2 tables