用深度神经网络预测黑洞并合遗迹的性质
广义相对论与量子宇宙学
2021-10-13 v2 机器学习
摘要
我们首次使用深度神经网络估算由双黑洞并合产生的 Kerr 黑洞的质量与自旋大小。该网络在包含双黑洞系统引力波辐射公开完整目录中 80% 数值模拟的数据集上训练，其中包含自旋双星的全部进动效应。对于非进动测试数据集中 90% 的数值，网络预测遗迹黑洞质量与自旋的误差分别小于 0.04% 和 0.3%；在进动测试数据集中则分别为 0.1% 和 0.3%。与 LIGO 算法软件库中的现有拟合相比，该网络在非进动情形下将遗迹质量均方根误差降至一半。在进动情形下，遗迹质量与自旋的均方误差均降至一半，且网络修正了现有拟合中观测到的偏差。
引用
@article{arxiv.1911.01496,
title = {Predicting the properties of black holes merger remnants with Deep Neural Networks},
author = {Leïla Haegel and Sascha Husa},
journal= {arXiv preprint arXiv:1911.01496},
year = {2021}
}
备注
16 pages, 5 figures