分类: 天文学 提交时间: 2024-07-03 合作期刊: 《天文学进展》
摘要: 研究表明,基于深度学习的引力波搜寻,有望解决匹配滤波方法的低效率问题。与传统 的匹配滤波引力波信号搜寻、基于贝叶斯后验或深度学习的波源参数估计方法相比,基于深度学 习的端对端的引力波搜寻输出缺乏波源的时频信息,如双星并合信号到达时间和信号在探测站 灵敏度区间的持续时间等。首次实现了深度学习用于应变信号时频点的细粒度分类,研究了基于 图像语义分割的引力波搜寻方法。通过真实噪声和仿真物理信号合成数据,使用 Q 变换将其转 换为时频图,构建像素级标注数据集。构建并训练时频图像语义分割模型,研究了其应用于引力 波信号数据分析的可行性。结果表明语义分割方法未来有望作为基于深度学习的引力波信号搜 寻流水线的一个组件,还可用于进一步提取信号的时频信息。
分类: 天文学 >> 天文学 提交时间: 2023-06-07 合作期刊: 《天文学进展》
摘要: 深度学习用于引力波探测是近几年的研究热点。匹配滤波法可以看作模板存储于卷积核参数中的单卷积层的神经网络,通过加深模型的深度可以在参数大大减少的同时得到相似的探测效果。对不同的卷积核大小、卷积核的数量 (模型的宽度)、卷积层的数量 (模型的深度) 的深度学习引力波探测模型进行了讨论。另外,对全连接层前采用批量归一优化 (batch normalization, BN) 模型的探测效果进行了研究,发现单卷积层的模型在加入 BN 后的探测精度由 50% 左右提高到了 90% 以上。研究结果为匹配滤波模板数量的压缩提供了潜在的新方法,匹配滤波后通过BN 层和全连接层也许能够大大减少匹配模板数量。