TemplateGeNN：加速引力波模板库生成的神经网络

我们介绍 TemplateGeNN，这是一个基于 GPU 的快速随机模板库生成算法，采用 LearningMatch 模型（Siamese 神经网络）。TemplateGeNN 在单张 A100 GPU 上约 1 天内生成了包含 31,640 个模板的二进制黑洞模板库，其中脉冲质量范围为 $5 M_{\odot} \leq \mathcal{M}_{c} \leq 20M_{\odot}$，对称质量比范围为 $0.1 \leq \eta \leq 0.24999$，相等对齐自旋范围为 $-0.99 \leq \chi_{1,2}\leq 0.99$。为测试此模板库的灵敏度，我们将 7746 个二进制黑洞模板注入 LIGO 高斯噪声中。该模板库以fitting factor 大于 0.97 的方式恢复了 98% 的注入样本。对于较低质量区域（黑洞质量范围 $5 M_{\odot} \leq m_{1, 2} \leq 25 M_{\odot}$），99% 的 9469 个注入样本以fitting factor 大于 0.97 被成功恢复。LearningMatch 与 TemplateGeNN 构成的机器学习管道可用于加速未来引力波数据分析中的模板库生成。