利用深度学习方法探索引力波探测与参数推断
广义相对论与量子宇宙学
2021-08-11 v1
摘要
我们探索用深度学习(DL)算法从双黑洞(BBH)并合中探测引力波(GW)的机器学习方法。DL网络使用从BBH并合获得的引力波波形训练，其组分质量在5至100太阳质量范围随机采样，光度距离从100 Mpc至至少2000 Mpc。GW信号波形被注入Advanced LIGO和Advanced Virgo探测器O2运行公开数据的时间窗口中，这些窗口与已知探测信号的不重合。我们证明用2000 Mpc距离处GW信号波形训练的DL算法，在探测更近信号时仍显示高准确度，在我们分析考虑的范围内。此外，通过将三探测器网络结果组合为唯一RGB图像，单探测器性能提高多达70%。进一步，我们训练回归网络对BBH谱图数据执行参数推断，并将该网络应用于GWTC-1和GWTC-2星表中的事件。在未显著优化算法的情况下，我们得到与LIGO-Virgo合作组发布结果基本一致的结果。特别地，我们对啁啾质量的预测与90%事件的官方值相容(至多3)。
引用
@article{arxiv.2011.10425,
title = {Exploring gravitational-wave detection and parameter inference using Deep Learning methods},
author = {João D. Álvares and José A. Font and Felipe F. Freitas and Osvaldo G. Freitas and António P. Morais and Solange Nunes and Antonio Onofre and Alejandro Torres-Forné},
journal= {arXiv preprint arXiv:2011.10425},
year = {2021}
}
备注
16 pages, 12 figures