用于单探测器时段引力波搜索的神经网络时间序列分类器

引力波信号的搜索受到非高斯瞬态噪声的限制，这类噪声会模仿天体物理信号。利用两个或更多探测器间的时间符合来减轻这些仪器故障(glitch)的污染。然而，当仅单个探测器运行时，时间符合不可能实现，必须采用其他策略。我们探索使用神经网络分类器的可能性，并给出了三种架构的结果：卷积神经网络、时间卷积网络与Inception Time。后两种架构专为处理时间序列数据而设计。分类器在LIGO Livingston探测器首次观测运行(O1)期间一个月的数据上训练，以识别包含双黑洞并合特征的数据段。我们评估并比较了它们的性能。随后将训练好的分类器应用于O1剩余三个月的数据，特别关注单探测器时段。我们搜索中最有希望的候选事件为2016-01-04 12:24:17 UTC。尽管我们无法将该事件的显著性约束到引力波搜索中常规遵循的水平，但我们表明该信号与两个黑洞的并合相符，其质量分别为 $m_1 = 50.7^{+10.4}_{-8.9}\,M_{\odot}$ 与 $m_2 = 24.4^{+20.2}_{-9.3}\,M_{\odot}$，光度距离为 $d_L = 564^{+812}_{-338}\,\mathrm{Mpc}$。