用于探测双黑洞并合的新型深度学习方法

引力波探测为探索和理解宇宙的一些基本原理开辟了新途径。探测成型引力波事件的最优方法涉及基于模板的匹配滤波，并在所得信噪比时间序列中执行多探测器符合搜索。近年来，机器学习和深度学习的进展引发了大量研究，利用这些技术替代匹配滤波搜索并对引力波源进行高效鲁棒的参数估计。本文提出了一种探测双黑洞引力波信号新方法的可行性研究，该方法在匹配滤波产生的信噪比时间序列上利用深度学习技术。我们表明，深度学习的搜索能高效地从模拟高斯噪声与模拟瞬态故障(glitches)中的信噪比时间序列探测双黑洞引力波。此外，在存在故障的情况下，我们的搜索方法在Hanford与Livingston LIGO探测器的模拟数据上优于基于最大SNR的匹配滤波搜索。我们进一步证明，相对于现有搜索流水线与深度学习方法的基线灵敏度，我们的方法能提升对较低质量双黑洞并合的探测灵敏度。最后，由于我们建立在匹配滤波搜索流水线的基石上，我们能以与现有流水线相近的精度提取引力波事件的信噪比与探测器帧啁啾质量估计。