基于神经后验估计的实时引力波科学
广义相对论与量子宇宙学
2023-05-31 v2 天体物理仪器与方法
机器学习
摘要
我们展示了利用深度学习实现快速引力波参数估计的前所未有的精度。使用神经网络作为贝叶斯后验分布的代理，我们分析了来自第一代 LIGO-Virgo 引力波瞬态目录的八个引力波事件，发现与标准推断代码在定量上非常接近的一致，但推断时间从 O(day) 每事件降低到每分钟每事件。我们的网络使用模拟数据进行训练，包括事件附近探测器噪声特性的估计。这将信号和噪声模型编码在数百万个神经网络参数中，并能够对与训练分布一致的任意观测数据进行推断，同时考虑事件间噪声的非平稳性。我们的算法——称为“DINGO”——在探测到的引力波事件物理参数的快速且准确推断方面树立了新标准，这将实现实时数据分析而不牺牲精度。
引用
@article{arxiv.2106.12594,
title = {Real-time gravitational-wave science with neural posterior estimation},
author = {Maximilian Dax and Stephen R. Green and Jonathan Gair and Jakob H. Macke and Alessandra Buonanno and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:2106.12594},
year = {2023}
}
备注
7+12 pages, 4+11 figures. [v2]: Minor updates to match published version, code available at https://github.com/dingo-gw/dingo