在引力波天文学中用深度网络匹配匹配滤波

我们报告了构建一个深度卷积神经网络的工作，该网络能够复现针对双黑洞引力波信号的匹配滤波搜寻的灵敏度。检测波形良好的瞬态引力波信号的标准方法是匹配滤波。然而，随着引力波探测器低频灵敏度的提升，此类搜寻在低延迟下的计算成本将急剧增长。卷积神经网络提供了一种计算高效的信号识别方法，其中大部分计算在数据采集前的训练过程中完成。我们仅以测得的引力波应变白化时间序列作为输入，并在代表先进LIGO灵敏度的合成高斯噪声中的模拟双黑洞信号上训练和测试。我们表明，在由受试者工作特征定义的灵敏度考量下，我们的网络从噪声中分类信号的表现可 emulate 应用于相同数据集的匹配滤波的表现。