通过探测器表征、公民科学与机器学习发现引力波数据中的特征
广义相对论与量子宇宙学
2021-09-08 v2 天体物理仪器与方法
仪器与探测器
摘要
引力波观测受到瞬态噪声（glitches）存在的阻碍。我们研究了 Advanced LIGO 探测器第三次观测运行的数据，并识别出新的 glitch 类别。利用通过监测探测器状态以及由公民科学志愿者组装的训练集，我们更新了用于 glitch 分类的 Gravity Spy 机器学习算法。我们发现一类与探测器台址地面运动相关的新 glitch 类别尤其普遍，并识别出与该不同地面运动类型相关的两个子类。基于更新模型的重新分类发现，LIGO Livingston 处所有瞬态噪声的 27% 属于该新 glitch 类别，使其成为该台址最频繁的瞬态噪声来源。我们的结果既展示了 glitch 分类如何揭示引力波探测器的潜在改进，也展示了在适当框架下，公民科学志愿者如何能在大型数据集中做出发现。
引用
@article{arxiv.2103.12104,
title = {Discovering features in gravitational-wave data through detector characterization, citizen science and machine learning},
author = {S Soni and C P L Berry and S B Coughlin and M Harandi and C B Jackson and K Crowston and C Østerlund and O Patane and A K Katsaggelos and L Trouille and V-G Baranowski and W F Domainko and K Kaminski and M A Lobato Rodriguez and U Marciniak and P Nauta and G Niklasch and R R Rote and B Téglás and C Unsworth and C Zhang},
journal= {arXiv preprint arXiv:2103.12104},
year = {2021}
}
备注
26 pages, 10 figures