解释 GWSkyNet-Multi 机器学习分类器对引力波事件的预测
天体物理仪器与方法
2023-08-25 v1 广义相对论与量子宇宙学
摘要
GWSkyNet-Multi 是一个为分类 LIGO 与 Virgo 天文台探测到的候选引力波事件而开发的机器学习模型。该模型利用低延迟开放公开警报中发布的有限信息产生预测分数，指示事件是两个黑洞的并合、涉及中子星的并合，还是非天体物理的故障（glitch）。这有助于在 LIGO-Virgo-KAGRA（LVK）观测运行期间就是否对候选事件进行电磁后续观测做出时间敏感决策。然而，模型如何利用可用有限信息做出预测尚不清楚。作为一个深度学习神经网络，模型内部机制难以解释，影响了我们对其有效性与鲁棒性的信任。我们通过系统性地扰动模型及其输入来解释其为区分源所学习的底层特征与关联，从而解决此问题。我们表明，二维天图的定位面积与计算的一致性对不一致性贝叶斯因子被用作区分真实事件与故障的强预测因子。对源距离的估计进一步用于区分双黑洞并合与涉及中子星的并合。我们利用这些发现表明，在 LVK 第三次观测运行中被 GWSkyNet-Multi 误分类的事件具有独特的天区面积、一致性因子与距离值，这些值影响了预测并解释了这些误分类。结果有助于识别模型的局限性并为进一步优化提供潜在途径。
引用
@article{arxiv.2308.12357,
title = {Explaining the GWSkyNet-Multi machine learning classifier predictions for gravitational-wave events},
author = {Nayyer Raza and Man Leong Chan and Daryl Haggard and Ashish Mahabal and Jess McIver and Thomas C. Abbott and Eitan Buffaz and Nicholas Vieira},
journal= {arXiv preprint arXiv:2308.12357},
year = {2023}
}
备注
22 pages, 11 figures, submitted to ApJ