KI und die schwierigen Probleme der Welt · Physik · arXiv · 2026-10-22
Deep-Learning-Suche nach Gravitationswellen aus der Verschmelzung kompakter Doppelsterne
Originaltitel: Deep Learning Search for Gravitational Waves from Compact Binary Coalescence
Das Matched Filtering bleibt für die Gravitationswellensuche nach Koaleszenzen kompakter Binärsysteme von zentraler Bedeutung, doch sein Rechenaufwand wird mit den Datenmengen und der Parameterraumabdeckung, die von Interferometern der nächsten Generation wie dem Einstein Telescope benötigt werden, deutlich steigen. Die Autoren untersuchen einen Hybridansatz, der Matched-Filtering-Konzepte mit Convolutional Neural Networks kombiniert und so effiziente Signalsuchen ohne den üblichen χ²-Ausschlusstest ermöglicht. Bei simulierten Daten, bei denen Glitches die Daten beeinträchtigen oder die Signale Physik enthalten, die in der Template-Bank fehlt—Exzentrizität, Präzession und Modi höherer Ordnung—erreicht die Methode eine Nachweiseffizienz, die mit der einer standardmäßigen Matched-Filtering-Suche vergleichbar ist oder besser ausfällt, und dies mit einer ressourceneffizienteren Pipeline, während sie bei standardmäßigen BNS/BBH-Suchen in reinem gaußschen Rauschen einige Einbußen bei der Nachweisfähigkeit zeigt.