使用 CNN 模型提高引力波瞬态搜索检测显著性
广义相对论与量子宇宙学
2025-05-14 v1 天体物理仪器与方法
摘要
引力波 (GW) 瞬态搜索依赖于信号-噪声判别器来区分astrophysical信号与噪声伪影。这些判别器通常针对预期的信号形貌进行调优，这可能限制其有效性，因为探测器灵敏度提升，以及来自坍缩超新星或压缩二进制合并（包括预旋、更高次谐波或偏心率）的更复杂信号变得可检测。在本工作中，我们采用基于卷积神经网络 (CNN) 的方法来分类噪声瞬态与astrophysical瞬态，以提升现有搜索的灵敏度。我们在两种基于匹配滤波的搜索中进行评估：PyCBC-IMBH 和 PyCBC-HM，用于 Intermediate Mass Black Hole (IMBH) 二进制系统。我们的方法在每千年一次的误报率下，将这些搜索的灵敏体积-时间覆盖提升约30%。最后，我们将该方法应用于第三观察运行前半部分的前四个数据块，显著改善了显著性。在 particular，我们显著提升了首个 IMBH 二进制 GW 事件 GW190521的 IFAR，超过42000年。
引用
@article{arxiv.2505.08332,
title = {Improving the detection significance of gravitational wave transient searches with CNN models},
author = {Johann Fernandes and Archana Pai and Koustav Chandra},
journal= {arXiv preprint arXiv:2505.08332},
year = {2025}
}
备注
12 pages, 6 figures, 3 tables