利用机器学习评估引力波触发事件的天体物理起源
广义相对论与量子宇宙学
2026-03-31 v3 天体物理仪器与方法
摘要
在这项工作中,我们探索了机器学习分类器在基于模板的引力波(GW)信号搜索中用于候选事件的可能应用,这些信号来自各种致密系统源。我们分析了O3a和O3b数据采集活动的数据,在此期间地面探测器的灵敏度受到真实非高斯噪声瞬变的限制。对此类信号的最先进搜索通常依赖于信噪比(SNR)和卡方检验来评估信号与旋进模板的一致性。此外,这些统计量与其他统计特性的组合被用来构建“重加权信噪比”统计量。我们使用MBTA管道识别的双符合事件集评估了随机森林分类器。与标准搜索相比,新分类器在低误报率下实现了适度但一致的事件检测提升。利用随机森林分类器的输出统计量,我们计算了每个事件的天体物理起源概率,记为。然后对现有星表中列出的事件进行了评估,结果与标准搜索的结果一致。最后,我们使用这一新统计量,以为条件搜索新的可能候选体,在处获得了一个新的亚阈值候选事件(IFAR =0.05)。
引用
@article{arxiv.2509.12882,
title = {Machine Learning to assess astrophysical origin of gravitational waves triggers},
author = {Lorenzo Mobilia and Gianluca Maria Guidi},
journal= {arXiv preprint arXiv:2509.12882},
year = {2026}
}