使用 CNN 和 FPGA 改善二进制中子星引力波的早期检测
天体物理仪器与方法
2025-03-17 v5
摘要
来自二进制中子星 (BNS) 的引力波 (GW) 检测，结合望远镜跟踪观测，为多信使天文学开辟了突破性发现的窗口。随着当前及未来 GW 检测器灵敏度的提升，未来预计将检测到更多 BNS 事件。因此，增强低延迟 GW 搜索算法以实现快速速度、高准确率和低计算成本，至关重要。减少延迟的一种创新解决方案是将机器学习 (ML) 方法嵌入场可编程门阵列 (FPGA) 中。本文提出一种基于 WaveNet 的新方法，利用最先进的 ML 模型，为 BNS 系统生成早期警报。以来自 Advanced LIGO 和 Advanced Virgo 检测器第三次观测运行 (O3) 的高斯噪声中嵌入的模拟 GW 信号作为概念验证数据集，我们展示了显著的性能提升。与当前领先的基于 ML 的早期警报系统相比，我们的方法在 1% 误报概率下将检测准确率提高自 66.81% 提升至 76.22%。此外，我们评估了该模型在 CPU、GPU 和 FPGA 平台上的时间、能耗和经济成本，展示了其在真实时间引力波检测管道中的潜在部署能力。
引用
@article{arxiv.2409.05068,
title = {Improving early detection of gravitational waves from binary neutron stars using CNNs and FPGAs},
author = {Ana Martins and Melissa Lopez and Quirijn Meijer and Gregory Baltus and Marc van der Sluys and Chris Van Den Broeck and Sarah Caudill},
journal= {arXiv preprint arXiv:2409.05068},
year = {2025}
}
备注
21 pages, 7 figures, 3 tables, submitted to Machine Learning Science and Technology