VIGILant：面向 Virgo 检测器故障的自动分类管道
广义相对论与量子宇宙学
2026-04-16 v1 天体物理仪器与方法
机器学习
摘要
故障在引力波探测器的数据中频繁出现， complicating the observation and analysis of astrophysical signals. 本文介绍了 VIGILant，一款用于 Virgo 检测器故障分类和可视化的自动管道。通过使用精选的 Virgo O3b 故障数据集，评估了两种机器学习方法：基于结构 Omicron 参数的基于树的模型（决策树、随机森林和 XGBoost），以及在频谱图图像上训练的卷积神经网络（ResNet）。虽然基于树的模型具有更高的可解释性和快速训练优势，但 ResNet34 模型在测试集上取得了更佳的性能，F1 分数达到 0.9772，准确率为 0.9833，推理时间仅为每条故障的几十毫秒。该管道已于观测运行 O4c 期间在 Virgo 现场部署日常运行，为 Virgo 合作项目提供了一个交互式仪表盘，用于监控故障群体和检测器行为。这允许识别置信度较低的预测，突出显示需要进一步关注的故障。
引用
@article{arxiv.2604.13687,
title = {VIGILant: an automatic classification pipeline for glitches in the Virgo detector},
author = {Tiago Fernandes and Francesco Di Renzo and Antonio Onofre and Alejandro Torres-Forné and José A. Font},
journal= {arXiv preprint arXiv:2604.13687},
year = {2026}
}