|
ИИ для обнаружения событий гравитационных волн
|
|
|
|
Начиная с прямого обнаружения гравитационных волн в 2015 году, ученые полагались на некоторую ошибку: они могут обнаруживать только те волны, которые соответствуют теоретическим предсказаниям, что, скорее, противоречит тому, как это обычно делается в науке.
|
|
|
|
Теперь группа физиков разработала вычислительную модель, которая могла бы улавливать все гравитационные волны, проходящие мимо Земли, а не только ожидаемые. Статья опубликована на сервере препринтов arXiv.
|
|
|
|
Спустя десятилетия после того, как Эйнштейн обнаружил, что его общая теория относительности предсказывает гравитационные волны — распространяющуюся рябь в ткани пространства—времени, - физики рассчитали свои ожидаемые характеристики для нескольких простых сценариев. Одной из них была форма волны прохождения при слиянии черных дыр, которая была первой такой волной, обнаруженной на основе интерферометрических данных, полученных 14 сентября 2015 года. (Статья была опубликована только в феврале следующего года).
|
|
|
|
Предполагая событие, вызвавшее эти волны, ученые-гравитологи смогли точно предсказать сигнал, который появится в длинноцепочечных лазерных интерферометрических установках, таких как LIGO (два из которых расположены в США), VIRGO в Италии, а также в нескольких других по всему миру.
|
|
|
|
Наблюдателям нужно было знать, чего ожидать, чтобы обучить свои интерферометры тому, что искать, потому что проходящая волна сместила бы плечи интерферометра всего на одну тысячную ширины протона. Шум окружающей среды, даже от проезжающих грузовиков, мог легко вызвать движение в руках, которое необходимо было отфильтровать, чтобы отличить настоящую гравитационную волну.
|
|
|
Расчеты также были выполнены для слияний нейтронной звезды с черной дырой и нейтронной звезды с нейтронной звездой. Кроме того, из этих данных можно было получить информацию о непрерывных гравитационных волнах, создаваемых быстро вращающимися симметричными нейтронными звездами, и о стохастических гравитационных волнах, возникающих, например, в результате Большого взрыва. Используя эти модели, в целом было обнаружено более семи десятков гравитационно-волновых событий.
|
|
|
|
Но этот метод не учитывает гравитационные волны, которые не проявляются в виде одного из известных предсказаний, известных как "переходные процессы" или "всплески гравитационных волн", в результате неожиданных событий, основанных на другой физике. Кроме того, современные методы обнаружения слишком медленны.
|
|
|
|
После прохождения гравитационной волны астрономы хотят иметь возможность быстро определить ее источник, чтобы проинформировать другие обсерватории о любых сопутствующих электромагнитных явлениях или явлениях частиц из того же источника, известных как астрономия с несколькими мессенджерами.
|
|
|
|
Электромагнитное излучение, включая видимый свет, и нейтрино ожидаются в результате определенной крупной и бурной астрофизической активности, включая обычные слияния двойных пар. После получения возможной последовательности гравитационных волн обработка и связь с другими приборами в настоящее время могут потребовать сотен специализированных процессоров и занимать десятки секунд или даже минут, что слишком медленно для получения "предупредительного сигнала".
|
|
|
|
В последние годы физики пытаются устранить ограничения, связанные с формой сигнала, используя сверточные нейронные сети (CNNS), тип специализированного алгоритма глубокого обучения, чтобы избежать детекторов, обученных распознавать только определенные события.
|
|
|
|
Однако на сегодняшний день запрограммированным CNN по-прежнему требуется точная модель целевого сигнала для обучения, и поэтому они не будут замечать неожиданных источников, таких как те, которые ожидаются при разрушении ядра сверхновой и длительных гамма-всплесках. Как неизвестная физика, так и вычислительные ограничения могут свести на нет все шансы на обнаружение нескольких мессенджеров.
|
|
|
|
Здесь исследователи поставили перед собой цель использовать один процессор и сообщать о событиях, связанных с гравитационными волнами, примерно за секунду. Они разработали многокомпонентную архитектуру, в которой один CNN обнаруживает переходные процессы, которые происходят одновременно на нескольких детекторах, в то время как второй CNN ищет корреляцию между детекторами, чтобы устранить совпадающие фоновые шумы или сбои.
|
|
|
|
Таким образом, "наш поиск использует машинное обучение и направлен на то, чтобы помочь направить "традиционные" телескопы к такому источнику за считанные секунды", - сказал Василеос Склирис из Института гравитационных исследований при Школе физики и астрономии Кардиффского университета в Уэльсе, Великобритания. "Таким образом, мы сможем извлечь максимум информации из таких неожиданных событий".
|
|
|
|
Подход группы к глубокому обучению принципиально отличался от предыдущих методов: вместо того, чтобы обучать CNN распознавать конкретные формы сигналов в данных, они создали CNN, которые могли определять согласованность по силе и времени между двумя или более потоками данных.
|
|
|
|
Затем CNN были обучены с использованием имитированных сигналов и случайных шумовых всплесков, которые имеют сходные характеристики. Используя одни и те же формы сигналов как для сигналов, так и для шума, CNNS не могли полагаться на структуру сигнала при принятии решений; вместо этого CNNS научились оценивать, насколько хорошо детекторы согласованы друг с другом, что позволяет их моделям обнаруживать гравитационные волны в реальном времени. переходные процессы.
|
|
|
|
В качестве теста они проанализировали данные наблюдений за первые два запуска LIGO и VIRGO и обнаружили хорошее соответствие.
|
|
|
|
"Еще в 1960-х годах гамма-всплески были новым астрофизическим сюрпризом, когда гамма-астрономия делала свои первые шаги", - сказал Склирис. "Гравитационно-волновая астрономия находится в таком же раннем возрасте, и нас, возможно, ждет захватывающее будущее".
|
|
|
|
Источник
|
