通过神经网络的引力波信噪比插值
高能天体物理现象
2020-07-23 v1 广义相对论与量子宇宙学
摘要
计算信噪比（SNR）是引力波数据分析中最常见的任务之一。虽然单次 SNR 评估通常很快，但为整个并合事件总体计算 SNR 可能耗时。我们利用选定的波形模型和探测器噪声曲线，计算对齐自旋双黑洞并合作为（探测器帧）总质量、质量比和自旋大小函数的 SNR，随后用简单神经网络（多层感知机）在该四维参数空间中插值 SNR。训练后的网络可在 4 核 CPU 上一分钟内评估 10^6 个 SNR，中位分数误差低于 10^{-3}。这对应于根据底层波形模型不同，加速因子在 [120, 7.5×10^4] 范围内。我们训练好的网络（及源代码）公开于 https://github.com/kazewong/NeuralSNR，并可轻易适配类似的多维插值问题。
引用
@article{arxiv.2007.10350,
title = {Gravitational-wave signal-to-noise interpolation via neural networks},
author = {Kaze W. K. Wong and Ken K. Y. Ng and Emanuele Berti},
journal= {arXiv preprint arXiv:2007.10350},
year = {2020}
}
备注
6 pages, 4 figures. Trained networks and source code available at https://github.com/kazewong/NeuralSNR