使用加速硬件进行紧凑二进制合并的快速无似然推断

Deep Chatterjee; Ethan Marx; William Benoit; Ravi Kumar; Malina Desai; Ekaterina Govorkova; Alec Gunny; Eric Moreno; Rafia Omer; Ryan Raikman; Muhammed Saleem; Shrey Aggarwal; Michael W. Coughlin; Philip Harris; Erik Katsavounidis

使用加速硬件进行紧凑二进制合并的快速无似然推断

广义相对论与量子宇宙学 2024-07-30 v1 天体物理仪器与方法机器学习

作者: Deep Chatterjee , Ethan Marx , William Benoit , Ravi Kumar , Malina Desai , Ekaterina Govorkova , Alec Gunny , Eric Moreno , Rafia Omer , Ryan Raikman , Muhammed Saleem , Shrey Aggarwal , Michael W. Coughlin , Philip Harris , Erik Katsavounidis

在 arXiv 上查看 ↗ PDF ↗

摘要

我们报告了一种基于似然无推断使用正态流的引力波参数估计算法，AMPLFI。AMPLFI 的重点是为由基于机器学习的紧凑二进制合并搜索算法 Aframe 检测到的候选人执行实时参数估计。我们详细介绍了该算法以及与数据加载和预处理相关的在加速硬件上的优化。我们使用二倍黑洞 (BBH) 模拟在真实 LIGO-Virgo 探测器噪声上进行训练。我们的模型拥有约 600 万可训练参数，训练时间不足 24 小时。基于在 LIGO-Virgo 数据的模拟数据流上进行的在线部署，Aframe + AMPLFI 能够从数据获取中检测到 BBH 候选人并进行实时警报的参数推断，净延迟约为 6 秒。

关键词

引力波参数估计无似然推断正态流紧凑二进制合并

引用

@article{arxiv.2407.19048,
  title  = {Rapid Likelihood Free Inference of Compact Binary Coalescences using Accelerated Hardware},
  author = {Deep Chatterjee and Ethan Marx and William Benoit and Ravi Kumar and Malina Desai and Ekaterina Govorkova and Alec Gunny and Eric Moreno and Rafia Omer and Ryan Raikman and Muhammed Saleem and Shrey Aggarwal and Michael W. Coughlin and Philip Harris and Erik Katsavounidis},
  journal= {arXiv preprint arXiv:2407.19048},
  year   = {2024}
}

备注

Submitted to MLST

使用加速硬件进行紧凑二进制合并的快速无似然推断

摘要

关键词

引用

备注

相关论文