基于深度学习的双黑洞并合引力波去噪

引力波探测需要深入理解引力波信号的物理特性，以及从中提取信号所依赖的噪声。理解噪声的统计特性是一项复杂的工作，尤其在真实探测场景中。在本文中，我们证明深度学习能够处理引力波数据的非高斯和非平稳性质，并展示其应用于从先进 LIGO 噪声中对双黑洞并合 GW150914、GW170104、GW170608 和 GW170814 产生的引力波信号去噪。为展示该方法的准确性，我们计算了去噪算法生成的时变信号与预期描述这些引力波源的数值相对论模板之间的重叠度，发现重叠度 ${\cal{O}}\gtrsim0.99$。我们还表明，我们的深度学习算法能够从注入真实先进 LIGO 数据中的数值相对论信号里去除噪声异常。我们讨论了这些结果对引力波信号表征的意义。