基于自动化机器学习的引力波替代模型
广义相对论与量子宇宙学
2022-04-13 v1 机器学习
摘要
我们分析了在约一百种不同可能的回归模型中，基于自动化机器学习（AutoML）预测致密双星引力波形的前景，而无需诉诸繁琐且人工的逐例分析与微调。本文的具体研究背景为两个无自旋黑洞在初始准圆轨道碰撞所发射的引力波。我们发现，例如以径向基为核的高斯过程回归等方法确实提供了足够精确的解决方案，该方法可推广到多维且计算评估成本低。此处呈现的结果表明，AutoML可能为引力波替代模型领域的回归提供一个框架。我们的研究基于约化基与经验插值方法的数值相对论模拟替代模型背景，其中我们发现对于所分析的特殊情况，AutoML可生成与数值相对论模拟本身基本无法区分的替代模型。
引用
@article{arxiv.2110.08901,
title = {Gravitational wave surrogates through automated machine learning},
author = {Damián Barsotti and Franco Cerino and Manuel Tiglio and Aarón Villanueva},
journal= {arXiv preprint arXiv:2110.08901},
year = {2022}
}
备注
15 pages, 7 figures