利用卷积神经网络探测进动双黑洞系统的引力波信号
广义相对论与量子宇宙学
2024-07-26 v3
摘要
当前利用 LIGO 和 Virgo 天文台对黑洞双星引力波(GWs)的搜寻仅限于黑洞自旋与双星轨道角动量对齐(或反对齐)系统的解析模型。探测具有进动自旋的黑洞双星对于获得关于这些源形成的独特天体物理见解至关重要。因此,有必要开发一种能够识别具有进动自旋的致密双星的搜寻策略。对齐自旋波形模型不足以探测具有高进动自旋的致密双星。尽管已有若干努力使用匹配滤波构建用于探测进动双星的模板库,但该方法需要大量模板来覆盖整个搜寻参数空间,显著增加了计算成本。本工作探索使用卷积神经网络(CNN)探测来自对齐与进动自旋双黑洞(BBH)的 GW 信号。我们将来自对齐或进动 BBH 系统的 GW 信号探测构建为一个分层二分类问题。第一个 CNN 模型将应变数据分类为纯噪声或含噪信号(来自 BBH 的 GWs)。第二个 CNN 模型随后将检测到的含噪信号数据分类为源自进动系统或非进动(对齐/反对齐)系统。使用模拟数据,训练后的分类器以超过 99% 的准确率区分噪声与含噪 GW 信号。第二个分类器进一步以约 95% 的准确率区分对齐与高进动信号。我们通过执行符合检验将分析扩展到多探测器框架。此外,我们在 LIGO 前三次观测运行的数据上测试了训练架构的性能,以将探测到的 BBH 事件识别为对齐或进动。
引用
@article{arxiv.2206.12673,
title = {Detection of Gravitational Wave Signals from Precessing Binary Black Hole Systems using Convolutional Neural Network},
author = {Chetan Verma and Amit Reza and Gurudatt Gaur and Dilip Krishnaswamy and Sarah Caudill},
journal= {arXiv preprint arXiv:2206.12673},
year = {2024}
}