利用自编码器探测LIGO毛刺族中的异常
天体物理仪器与方法
2023-10-06 v1
摘要
引力波(GW)干涉仪能够探测到约质子尺寸万分之一的距离变化。这种灵敏度导致主探测器应变中出现大量的非高斯瞬态噪声爆发，也称为毛刺(glitches)。这些毛刺具有广泛的频率-振幅-时间形态，由环境或仪器过程引起，阻碍了对所有引力波源的搜寻。当前用于识别它们的办法使用有监督模型来学习主应变中的形态，但既未考虑监测干涉仪状态的辅助通道所提供的相关信息，也未提供针对新颖毛刺形态的灵活框架。在这项工作中，我们提出一种无监督算法来发现异常毛刺。我们将LIGO利文斯顿探测站的辅助通道子集编码为分形维数(一种数据复杂度的度量)，并使用带有周期性卷积的自编码器学习数据的底层分布。通过这种方式，我们揭示了未知的毛刺形态，以及不同毛刺之间的时间重叠和误分类。这导致在的输入数据中发现了异常。该研究结果强调了编码为分形维数的辅助通道的可学习结构，并为改进最先进的毛刺识别算法提供了灵活框架。
引用
@article{arxiv.2310.03453,
title = {Detection of anomalies amongst LIGO's glitch populations with autoencoders},
author = {Paloma Laguarta and Robin van der Laag and Melissa Lopez and Tom Dooney and Andrew L. Miller and Stefano Schmidt and Marco Cavaglia and Sarah Caudill and Kurt Driessens and Jöel Karel and Roy Lenders and Chris Van Den Broeck},
journal= {arXiv preprint arXiv:2310.03453},
year = {2023}
}
备注
14 pages, 13 figues, to be published in Classical and Quantum Gravity