LISA 空间任务背景下用于快速探测引力波的量子计算工具

引力波（GW）探测领域正迅速发展，包括 LISA 在内的多个下一代观测站即将投入使用。由于信号形态受波源特性影响而高度可变，且存在复杂噪声，引力波数据的分析极具挑战性。这些因素凸显了对稳健、先进分析工具的迫切需求。在此背景下，我们启动了基于量子神经网络（QNNs）的低延迟引力波探测流程的开发工作。此前，我们已证明 QNN 能够识别在牛顿极限下使用后牛顿近似模拟的引力波。随后，我们利用 LISA 联盟的数据扩展了这项工作，训练 QNN 区分含噪引力波信号与纯噪声。目前，我们正在 Sangria LISA 数据挑战赛数据集上评估其性能，并将其与经典方法进行比较。我们的结果表明，QNN 能够可靠地区分嵌入噪声中的引力波信号，分类准确率达到 98% 以上。值得注意的是，我们的 QNN 在 Sangria 盲测数据集中识别出了 6 个并合事件中的 5 个。剩余的一个并合事件振幅最低，这凸显了模型灵敏度方面未来有待改进的领域。这可以通过使用我们正在准备的额外模拟训练数据集，以及测试不同的 QNN 架构和拟设来加以解决。