利用深度学习从双中子星并合的引力波中提取质量与潮汐参数
高能天体物理现象
2024-01-17 v2
摘要
来自并合双星的引力波（GWs）携带了其组成源的关键信息，如质量、自旋与潮汐效应。这意味着对双中子星并合GW信号的分析可提供提取中子星（NSs）潮汐性质独特机会，从而对NS状态方程加以约束。本工作中，我们使用深度学习（DL）技术克服匹配滤波与贝叶斯分析等传统信号检测与参数估计方法所面临的计算挑战。我们设计了一种DL方法来分类双黑洞与双中子星并合的GW信号。我们进一步采用DL分析双中子星并合事件的模拟GW以进行参数估计，特别是组成天体的质量与潮汐可变形量的回归。本工作所呈现的结果展示了DL技术在GW分析中的良好潜力，为这一快速发展领域的进一步推进铺平了道路。所提方法是探索双中子星并合GW信号中丰富信息的有效替代方案，可进一步帮助约束NS状态方程。
引用
@article{arxiv.2306.17488,
title = {Mass and tidal parameter extraction from gravitational waves of binary neutron stars mergers using deep learning},
author = {Shriya Soma and Horst Stöcker and Kai Zhou},
journal= {arXiv preprint arXiv:2306.17488},
year = {2024}
}
备注
23 pages, 11 figures