使用 Squeeze-and-Excitation 多层感知机数据高效图像 Transformer 识别强透镜引力波事件
天体物理仪器与方法
2026-03-06 v1 宇宙学与河外天体物理
摘要
随着第三代引力波探测器的进步，强透镜引力波（GW）事件的识别预计将在宇宙学和基础物理学中发挥越来越重要的作用。然而，传统贝叶斯推断方法随着事件数量的增加会面临组合计算开销问题，使得实时分析变得不可行。为了解决这个问题，我们提出了一种名为 Squeeze-and-Excitation 多层感知机数据高效图像 Transformer（SEMD）的深度学习模型，该模型基于 Vision Transformers，通过对时频频谱图对之间的形态相似性进行建模来对强透镜 GW 事件进行分类。通过集成 Squeeze-and-Excitation 注意力机制和多层感知机，SEMD 实现了强大的特征提取和判别能力。在使用 Advanced LIGO 和 Einstein Telescope 噪声的模拟数据集上进行训练和评估，该模型在不同的探测器灵敏度和物理条件下展现了稳健性和泛化能力，突显了深度学习在快速识别强透镜 GW 信号方面的前景。
引用
@article{arxiv.2508.19311,
title = {Identification of Strongly Lensed Gravitational Wave Events Using Squeeze-and-Excitation Multilayer Perceptron Data-efficient Image Transformer},
author = {Dejiang Li and Tonghua Liu and Ao Liu and Cuihong Wen and Jieci Wang and Kai Liao and Jiaxing Cui},
journal= {arXiv preprint arXiv:2508.19311},
year = {2026}
}
备注
11 pages, 5 figures, comments are welcome