NeoSySPArtaN：基于神经符号架构利用数值相对论预测偏心双黑洞并合高阶多极波形的自旋
高能天体物理现象
2023-07-21 v1 人工智能
摘要
双黑洞与中子星并合中自旋大小的预测，对于理解这些灾难性事件期间的天体物理过程及所发射的引力波（GW）信号至关重要。本文提出一种新颖的神经符号架构（NSA），结合神经网络与符号回归之力，准确预测黑洞与中子星并合的自旋大小。我们的方法利用SXS波形目录中数值相对论模拟获得的GW波形数据。通过结合这两种方法，我们兼顾两范式的优势，实现全面且准确的自旋大小预测。实验表明，所提架构的NSA模型取得了令人印象深刻的均方根误差（RMSE）0.05与均方误差（MSE）0.03，而单独符号回归模型的RMSE为0.12。我们训练该模型处理高阶多极波形，特别关注以已知具有独特特征的偏心候选体。结果为并合中自旋大小预测提供了鲁棒且可解释的框架，这对理解黑洞天体物理性质及破译GW信号背后的物理具有重要意义。
引用
@article{arxiv.2307.11003,
title = {NeoSySPArtaN: A Neuro-Symbolic Spin Prediction Architecture for higher-order multipole waveforms from eccentric Binary Black Hole mergers using Numerical Relativity},
author = {Amrutaa Vibho and Ali Al Bataineh},
journal= {arXiv preprint arXiv:2307.11003},
year = {2023}
}