林中波：用于区分引力波与探测器故障的随机森林分类器
广义相对论与量子宇宙学
2023-06-27 v1
摘要
LIGO-Virgo-KAGRA（LVK）引力波（GW）探测器网络迄今已观测到数十起致密双星并合事件。瞬态非高斯噪声扰动，即所谓“故障（glitches）”，会以多种方式影响信号探测：它们既可模仿真实信号，也会降低真实信号的置信度。本工作中，我们引入一种新颖统计工具，利用推断出的源参数后验分布作为特征集来区分天体物理信号与故障。通过对模拟 GW 信号与真实探测器故障均用引力波形模型建模，我们获得多样化后验集用于训练随机森林分类器。我们表明随机森林能识别信号与故障后验分布的差异，并聚合这些差异以高精度（超过 93%）区分信号与常见故障类型。最后我们讨论了分类器易误分类的参数空间区域，以及将该工具植入 LVK 分析流程的不同方式。
引用
@article{arxiv.2306.13787,
title = {Waves in a Forest: A Random Forest Classifier to Distinguish between Gravitational Waves and Detector Glitches},
author = {Neev Shah and Alan M. Knee and Jess McIver and David Stenning},
journal= {arXiv preprint arXiv:2306.13787},
year = {2023}
}
备注
18 pages, 5 figures, submitted to CQG