致密双星引力波搜索中的随机投影 II:探测统计量的高效重构
广义相对论与量子宇宙学
2021-08-03 v2
摘要
GstLAL 等低延迟引力波搜索流水线利用模板矩阵的奇异值分解(SVD)进行低秩分解。随着先进 LIGO 和 Virgo 探测器在带宽和灵敏度上的空前提升,模板库规模预计将增加数个数量级。这对分解巨型模板矩阵提出了巨大的计算挑战。此前,在 [Kulkarni 等人 [6]] 中,我们引入了基于随机投影(RP)的矩阵分解作为 SVD 的计算可行替代方案,适用于大型模板库。这篇后续论文展示了分块随机矩阵分解(RMF)算法在预设平均 SNR 分数损失下计算低秩分解的应用。该新方案在 GstLAL 搜索流水线的 LLOID 框架中表现出更高的效率。此外,众所周知,对于巨型模板库,搜索的总计算成本中重构探测统计量远高于数据滤波。然而,优化重构成本在现有文献中尚未得到满意解决。我们展示了利用匹配追踪算法以总成本的一小部分近似重构匹配滤波探测统计量时间序列的可能性。结合本文提出的两种算法可更高效地处理涉及大型模板库的在线搜索。我们详细分析了总计算成本,并针对在参数空间不同部分优化应用 RMF 方案给出了各种建议。本文提出的算法以适合在分布式计算架构上高效实现的方式设计。
引用
@article{arxiv.2101.03226,
title = {Random projections in gravitational-wave searches from compact binaries II: efficient reconstruction of the detection statistic},
author = {Amit Reza and Anirban Dasgupta and Anand S. Sengupta},
journal= {arXiv preprint arXiv:2101.03226},
year = {2021}
}