外部注意力变换器：一种用于在模拟高级LIGO数据中识别双黑洞事件初始偏心率特征的鲁棒AI模型
广义相对论与量子宇宙学
2025-09-16 v2 高能天体物理现象
摘要
与合并双黑洞（BBH）相关的引力波（GW）事件的初始轨道偏心率应提供其形成场景的线索，主要是因为各种BBH形成通道预测了不同的偏心率分布。然而，由于对这类GW事件建模需要复杂的方法，搜索偏心BBH的旋近GW在计算上具有挑战性。这确保了用于表征此类事件的贝叶斯参数估计方法在计算上令人生畏。这些考虑促使我们提出一种新颖的方法来识别和表征LVK合作数据集中的偏心BBH事件，该方法利用外部注意力变换器模型。采用模拟LIGO O4运行的数据、由有效单体数值相对论波形族建模的偏心旋近事件，我们展示了我们方法的有效性。通过将这种基于变换器的框架与卷积神经网络（CNN）架构相结合，我们提供了一种高效的方法来识别偏心BBH GW事件并准确表征其源特性。
引用
@article{arxiv.2506.03634,
title = {External Attention Transformer: A Robust AI Model for Identifying Initial Eccentricity Signatures in Binary Black Hole Events in Simulated Advanced LIGO Data},
author = {Elahe Khalouei and Cristiano G. Sabiu and Hyung Mok Lee and A. Gopakumar},
journal= {arXiv preprint arXiv:2506.03634},
year = {2025}
}
备注
Accepted for publication in JCAP