关键词:
引力波
数据处理
噪声
人工智能
摘要:
2015年LIGO首次探测到双黑洞并合事件GW150914,开辟了引力波天文学新纪元.地面激光干涉引力波探测器灵敏度极高,易受到来自仪器和环境的各种瞬态噪声(glitch)数据影响.尽管在引力波信号处理和分析中已经利用各种手段,开发出各种工具来加强瞬态噪声数据的表征和识别,以便最终移除,但LIGO源源不断输出的数据量足以使任何科研小组不堪重负.因此,开发强健的方法来表征和识别glitch,对于提高引力波信号探测的可靠性和科学价值具有至关重要的意义.本文首先回顾一般的地面噪声数据处理方法的优缺点,然后概述各种机器学习方法在地面噪声数据处理中的应用.最后,本文介绍机器学习在glitch数据处理实例——Gravity Spy项目上的最新应用,目的是介绍机器学习技术在glitch的识别、建模和去除方面的最新进展,以便为科研工作者在地面引力波瞬态噪声数据处理方面提供一些参考.