广义相对论与量子宇宙学
[提交于 2024年3月3日
]
标题: 使用深度学习重建LIGO中的二进制黑洞谐波
标题: Reconstruction of binary black hole harmonics in LIGO using deep learning
摘要: 在LIGO和Virgo干涉仪中,来自合并致密双星的引力波信号主要通过基于模板的匹配滤波方法进行检测。虽然这种方法在平稳和高斯数据场景下是最优的,但其灵敏度经常受到探测器中非平稳噪声瞬态的影响。此外,目前大多数搜索没有考虑黑洞自旋进动和高阶波形谐波的影响,仅专注于主导的一阶四极模式。这种限制影响了我们对有趣天体物理源的搜索,例如中等质量黑洞双星和分层合并。在这里,我们首次展示了深度学习可以用于具有高阶模式的进动双黑洞信号的准确波形重建。这种方法也可以适应为快速触发生成算法,以增强在线搜索。我们的模型在第三轮观测的真实LIGO噪声中的模拟注入上进行了测试,与注入信号具有高度重叠。这种准确性在本研究中选择的广泛范围的黑洞质量和自旋配置中是一致的。当应用于真实的引力波事件时,我们的重建结果与相干波突发(无模型)和LALInference(有模型)分析得到的结果之间的重叠在0.85到0.98之间。这些结果表明,深度学习是分析多样化致密双星目录信号的强大工具。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.