基于深度学习的极端质量比旋近信号的探测、提取与参数估计
广义相对论与量子宇宙学
2023-12-01 v1 天体物理仪器与方法
摘要
星载引力波探测器的主要目标之一是探测并分析极端质量比旋近(extreme-mass-ratio inspirals, EMRIs)。由于EMRI信号复杂且漫长，加之其本身极其微弱，这一工作构成重大挑战。在本快报中，我们引入一种两层卷积神经网络(Convolutional Neural Network, CNN)方法来探测星载探测器的EMRI信号，在信噪比(signal-to-noise ratio, SNR)为50至100、假正率(false positive rate, FPR)1%下取得96.9%的真正率(true positive rate, TPR)。特别地，超大质量黑洞(supermassive black hole, SMBH)的质量与自旋以及轨道初始偏心率等EMRI关键内禀参数可通过VGG网络直接推断。SMBH的质量与自旋可分别以99%和92%的精度确定。这将极大缩减后续贝叶斯参数估计的参数空间与计算成本。我们的模型对波形模型精度的依赖也较低。本研究凸显了深度学习方法在EMRI数据分析中的潜力，可实现EMRI信号的快速探测与高效参数估计。
引用
@article{arxiv.2311.18640,
title = {The detection, extraction and parameter estimation of extreme-mass-ratio inspirals with deep learning},
author = {Qianyun Yun and Wen-Biao Han and Yi-Yang Guo and He Wang and Minghui Du},
journal= {arXiv preprint arXiv:2311.18640},
year = {2023}
}
备注
6 pages, 5 figures