利用深度学习定位引力波源
天体物理仪器与方法
2019-11-27 v2 广义相对论与量子宇宙学
摘要
在本文中，我们报告了构建深度人工神经网络（ANN）以高精度在天空中定位模拟引力波信号的工作。我们将天空建模为一个球面，并考虑了球面被划分为 18、50、128、1024、2048 和 4096 个扇区的情况。引力波源的天空方向通过基于每种情况下这些扇区的赤经与赤纬值将信号分类至其中一个扇区来估计。为此，我们将分量质量在 30-80 太阳质量间均匀采样的模拟双黑洞引力波信号注入高斯噪声，并使用白化应变值来获取训练我们 ANN 的输入特征。我们输入诸如 Hanford、Livingston 和 Virgo 三台探测器处的到达时间延迟、相位差与振幅比等特征，这些特征来自原始时域应变值以及通过希尔伯特变换获得的这些信号的解析版本。我们表明，我们的模型能够以非常高精度（>90%）将未用于训练过程的引力波样本分类到其正确扇区，适用于使用 18、50 和 128 个扇区的粗角分辨率。我们还针对已发布的 LIGO 双黑洞并合事件 GW150914、GW170818 和 GW170823 的注入参数，在 1024、2048 和 4096 个扇区上测试了我们的定位，并将结果与 BAYESTAR 和参数估计（PE）进行比较。此外，我们报告我们的模型定位一个 GW 信号所花费的时间在 14 个 Intel Xeon CPU 核心上约为 0.018 秒。
引用
@article{arxiv.1909.06367,
title = {Using Deep Learning to Localize Gravitational Wave Sources},
author = {Chayan Chatterjee and Linqing Wen and Kevin Vinsen and Manoj Kovalam and Amitava Datta},
journal= {arXiv preprint arXiv:1909.06367},
year = {2019}
}