AI与世界难题 · 物理学 · arXiv · 2026-10-22
用深度学习搜索致密双星并合产生的引力波
原标题: Deep Learning Search for Gravitational Waves from Compact Binary Coalescence
匹配滤波仍然是致密双星并合引力波搜索的核心方法，但其计算成本将随着爱因斯坦望远镜等下一代干涉仪所需的数据量和参数空间覆盖范围而大幅上升。作者研究了一种将匹配滤波概念与卷积神经网络相结合的混合方法，无需通常的 χ² 拒绝检验即可实现高效的信号搜索。在毛刺影响数据或信号包含模板库中缺失的物理效应（偏心率、进动和高阶模式）的模拟数据上，该方法以更节省资源的流程实现了与标准匹配滤波搜索相当或更好的探测效率，但在纯高斯噪声中的标准 BNS/BBH 搜索方面则显示出一定的探测能力损失。