基于机器学习的模型无关引力波搜索优化
广义相对论与量子宇宙学
2021-07-21 v1
摘要
相干 WaveBurst（cWB）搜索算法在 LIGO-Virgo 应变数据中识别通用引力波（GW）信号。我们提出一种机器学习（ML）方法，以优化该流水线对称为双黑洞（BBH）并合这一类特殊 GW 信号的灵敏度。在此，我们在 Advanced LIGO 第一次与第二次观测运行的应变数据上测试 ML 增强的 cWB 搜索，并成功以更高显著性恢复所有先前由 cWB 报告的 BBH 事件。对于误报率小于 的模拟事件，我们证明对恒星质量 BBH 并合探测效率提升 26%，对中等质量黑洞双星并合提升 16%。为展示 ML 增强搜索对通用 BBH 信号探测的鲁棒性，我们表明即使仅在具有对齐自旋的准圆 BBH 模拟事件上训练，其对自旋进动或偏心 BBH 事件也具有更高灵敏度。
引用
@article{arxiv.2105.04739,
title = {Optimization of model independent gravitational wave search using machine learning},
author = {Tanmaya Mishra and Brendan O'Brien and V. Gayathri and Marek Szczepanczyk and Shubhagata Bhaumik and Imre Bartos and Sergey Klimenko},
journal= {arXiv preprint arXiv:2105.04739},
year = {2021}
}
备注
10 pages, 6 figures