A machine-learning pipeline for real-time detection of gravitational waves from compact binary coalescences
针对多信使天文学对引力波低延迟探测的需求，本文提出首个全机器学习的致密双天体并合引力波低延迟探测流水线，延迟远低于传统匹配滤波方法，对大质量恒星级双黑洞探测灵敏度达当前最优。
2025-09-04 astro-ph.IM gr-qc
Towards low-latency real-time detection of gravitational waves from compact binary coalescences in the era of advanced detectors
对引力波（GW）事件的电磁（EM）跟踪观测将有助于揭示源的性质，如果电磁跟踪可以在GW事件变得可观测时立即开始，则可以了解更多。在本文中，我们提出了一个计算效率高的时域算法，能够检测引力波（GWs）从合并的二进制紧凑的对象几乎为零的时间延迟。在信号足够强的情况下，我们的算法还具有在合并之前触发EM观测的灵活性。我们的算法的效率的关键来自于使用所谓的无限脉冲响应（IIR）滤波器，递归地过滤时间序列数据链。计算成本通过模板插值技术进一步降低，该技术要求仅对比另外要求的要粗糙得多的模板库进行滤波以充分恢复最佳信噪比。对未来的检测器的灵敏度延伸到较低的频率，我们的算法的计算成本增加，而不显着相比，传统的时域相关方法。此外，在小于数百至数千秒的延迟下，该方法预计在计算上比直接的频域方法更有效。
2011-08-16 gr-qc
The SPIIR online coherent pipeline to search for gravitational waves from compact binary coalescences
本文介绍了在第三次先进的LIGO和Virgo观测运行（O3运行）期间用于公共警报的SPIIR管道。SPIIR流水线使用无限脉冲响应（IIR）滤波器来执行极低延迟的匹配滤波，并且该过程通过图形处理单元（GPU）进一步加速。它是第一个在线管道选择候选人从多个检测器使用相干统计的基础上最大网络似然比统计原则。在这里，我们简化了推导这个统计使用奇异值分解（SVD）技术，并表明，单检测器的信噪比匹配滤波可以直接用于构建每个天空方向的统计。由于在天空方向参数上的额外搜索，相干搜索通常比重合搜索更具计算挑战性。天空方向的搜索遵循一个令人尴尬的并行化范式，并使用GPU加速。使用LIGO-Virgo第二次观测运行的一段公共数据报告了检测性能。我们证明了SPIIR流水线的中位延迟小于9秒，并提出了一个可实现的路线图，以减少延迟到5秒以下。在O3在线运行期间，SPIIR注册了与56个未撤回的公共警报中的38个相关联的触发器。极低的延迟特性使其成为联合时域观测的一个有竞争力的选择，并提供了在涉及至少一颗中子星的双星合并系统合并阶段之前发出公共警报的诱人可能性。
2021-05-20 gr-qc
Summed Parallel Infinite Impulse Response (SPIIR) Filters For Low-Latency Gravitational Wave Detection
随着目前引力波探测器的升级，首次探测到引力波信号有望在未来十年内出现。低延迟的引力波触发器将是必要的，以便对与其来源有关的事件进行快速后续电磁观测，例如，与短的伽马射线暴有关的迅速的光辐射。在本文中，我们提出了一个新的时域低延迟算法，用于识别噪声探测器数据中的紧凑的二进制合并事件产生的引力波的存在。我们的方法计算的信噪比从一个银行的并行无限脉冲响应（IIR）滤波器的总和。我们表明，我们的总和并行无限脉冲响应（SPIIR）方法可以恢复的信噪比大于99%的最佳匹配滤波器产生的。我们强调先进的探测器，这将需要更大的模板银行的SPIIR方法的好处。
2011-08-16 astro-ph.IM gr-qc
Rapid Mass Parameter Estimation of Binary Black Hole Coalescences Using Deep Learning
深度学习可用于大幅减少在引力波（GW）中检测到的致密物体（包括黑洞和中子星）的合并双星的参数估计的处理时间。作为第一步，我们提出了两个神经网络模型训练，以快速估计后验分布的啁啾质量和质量比的检测到的二元黑洞系统从GW应变数据的LIGO汉福德和利文斯顿天文台。利用这些参数可以预测组分质量，这对预测合并中包含中子星的可能性有影响。结果进行比较的“黄金标准”的参数估计的引力波使用的LIGO-Virgo合作（LVC），LALInference。我们的模型预测的后验分布与来自LALInference的一致，同时一旦模型被训练，则使用数量级更少的处理时间。中值预测是在90%的可信区间的LALInference的所有预测参数进行测试时，真正的二元黑洞事件检测LVC的第一次和第二次观测运行。我们认为，深度学习在低延迟高精度参数估计方面具有很强的潜力，适用于实时GW搜索管道。
2022-01-26 astro-ph.IM gr-qc
Improved ranking statistics of the GstLAL inspiral search for compact binary coalescences
本文为基于 GstLAL 的致密双星并合低延迟旋近搜索改进排序统计量，通过污染去除、bank-$ξ^2$、升级信号模型及整合 KAGRA，使灵敏度提升约15%至20%。
2023-05-24 astro-ph.IM gr-qc
A neural network for estimating compact binary coalescence parameters of gravitational-wave events in real time
针对匹配滤波技术在致密双星并合引力波参数估计中的误差问题，提出分位数回归神经网络模型提供动态参数边界，测试准确率超90%，作为先验可减少9%似然评估次数，缩短运行时间且不影响定位。
2025-08-20 astro-ph.HE astro-ph.IM gr-qc
Rapid search for massive black hole binary coalescences using deep learning
本文提出一种深度学习方法，可在数秒内处理LISA数据挑战的一年模拟数据，无误报地识别所有大质量黑洞双星并合，并对不同波形族和仪器配置表现出强泛化能力，为空间引力波观测开辟新途径。
2023-04-15 astro-ph.IM gr-qc physics.data-an
Rapid Likelihood Free Inference of Compact Binary Coalescences using Accelerated Hardware
LIGO Laboratory（LIGO实验室）
本文提出基于无似然推断的引力波参数估计算法 AMPLFI，通过在加速硬件上优化数据加载与预处理，结合 Aframe 搜索，实现了约6秒净延迟的紧凑双星合并实时参数推断。
2024-07-26 astro-ph.IM cs.LG gr-qc
Rapid localization and inference on compact binary coalescences with the Advanced LIGO-Virgo-KAGRA gravitational-wave detector network
本研究提出基于多ROQ基的快速参数估计框架，实现LVK探测器网络下BNS信号的低延迟高精度定位，中位分析仅6分钟，定位面积较BAYESTAR减少约30%，已集成至BILBY并用于LVK预警系统。
2023-07-25 astro-ph.HE astro-ph.IM gr-qc
Performance of the low-latency GstLAL inspiral search towards LIGO, Virgo, and KAGRA's fourth observing run
本文介绍面向 LVK O4 的低延迟 GstLAL 引力波搜索配置，并通过 40 天模拟数据与注入实验验证其探测率和显著性估计较 O3 在线分析有所提升。
2023-07-13 astro-ph.IM gr-qc
The reliability of the low-latency estimation of binary neutron star chirp mass
LIGO和Virgo合作目前正在实时搜索来自致密双星聚结的引力波。对于有希望的候选事件，以低延迟发布天空地图和距离估计，以促进其电磁跟踪。目前，没有关于致密物体质量的信息。最近，Margalit和Metzger（2019）提出，对探测到的双星中子星的啁啾质量的了解可能有助于优先考虑电磁后续工作，并敦促LIGO-Virgo合作以低延迟方式发布啁啾质量信息。人们可能会担心，对紧凑双星的低延迟搜索会简化假设，可能会在质量参数中引入偏差：中子星被视为无量纲自旋低于$0.05$的点粒子，并与轨道角动量完美对齐。此外，用于搜索它们的模板库具有有限分辨率。在本文中，我们表明，没有这些限制可以引入啁啾质量偏差大于$\sim 10^{-3}~M_\odot$。即使是总质量通常也能准确估计，偏差小于6%。另一方面，质量比和有效的内旋自旋可能会受到更严重的偏差。
2019-10-16 astro-ph.HE gr-qc
Characterizing Low-Latency Sky Localization in Multi-Detector Gravitational-Wave Networks
本研究评估BAYESTAR算法在多探测器引力波网络中的低延迟定位性能，发现Virgo参与可提升精度，但低信噪比时需三探测器配置以避免定位错误，并提出诊断方法以改进警报审查。
2025-10-24 astro-ph.HE astro-ph.IM gr-qc
How Many Times Should We Matched Filter Gravitational Wave Data? A Comparison of GstLAL's Online and Offline Performance
The Pennsylvania State University（宾夕法尼亚州立大学）；Georgia Institute of Technology（佐治亚理工学院）；University of Minnesota（明尼苏达大学）
本文提出一种利用低延迟分析的匹配滤波数据产品进行高延迟重新处理的方法，有效减少计算负担，且在O3数据中表现出与传统高延迟分析相当的灵敏度和可靠性。
2026-05-09 astro-ph.CO astro-ph.IM gr-qc
A weakly-modeled search for compact binary coalescences in Einstein Telescope
本文评估面向 ET 的未建模引力波搜索流水线，在含真实 CBC 分布的一个月模拟数据中验证其检测率、啁啾质量估计及低计算成本优势。
2024-12-19 gr-qc
Optimizing the low-latency localization of gravitational waves
本文研究PyCBC Live与Bayestar联合框架下引力波低延迟天空定位的可靠性，通过模拟不同搜索配置识别出匹配滤波模板库性质是驱动Bayestar调谐参数最优设置的关键因素，而探测器噪声非平稳和非高斯特性影响较弱。
2024-10-16 gr-qc
The GstLAL Search Analysis Methods for Compact Binary Mergers in Advanced LIGO's Second and Advanced Virgo's First Observing Runs
在成功完成第一次观测运行（2015年9月12日至2016年1月12日）后，Advanced LIGO探测器进行了升级，以提高第二次观测运行（2016年11月30日至2017年8月26日）的灵敏度。高级处女座探测器于2017年8月1日加入了第二次观测运行。我们讨论了在此期间发生的更新，在GstLAL为基础的inspiral管道，这是用来检测引力波从合并的紧凑的二进制文件在低延迟和离线配置。这些更新包括部署零延迟白化滤波器以将管道的总体延迟减少多达32秒，在分析中并入Virgo数据流，引入单检测器搜索以分析来自仅一个检测器运行时的时段的数据，向似然比排名统计添加新参数，增加搜索的参数空间，以及引入模板质量相关的毛刺切除阈值化方法。
2019-01-24 gr-qc
PyCBC Live Search for Compact Binary Mergers in Advanced LIGO and Virgo's Fourth Observing Run
University of Maryland, College Park（马里兰大学帕克分校）；Institute for Cosmology and Gravitation, University of Portsmouth（朴茨茅斯宇宙学与引力研究所，朴茨茅斯大学）；Université Paris-Saclay, CNRS/IN2P3, IJCLab（巴黎-萨克雷大学，法国国家科学研究中心/欧洲核子研究学院，IJCLab）；Instituto Galego de Física de Altas Enerxías, Universidade de Santiago de Compostela（加利西亚高能物理研究所，圣地亚哥-德孔波斯特拉大学）
本文改进了 PyCBC Live 低延迟搜索管道，用于 LIGO-Virgo-KAGRA 第四次观测运行（O4），通过增强排名统计量、优化信噪比恢复和实现预警搜索，将灵敏度提高 1.7-2.3 倍，并实现 2.5-3.5 秒延迟的并合前预警。
2026-06-04 astro-ph.HE astro-ph.IM gr-qc
NNETFIX: An artificial neural network-based denoising engine for gravitational-wave signals
引力波探测器中的仪器和环境瞬态噪声突发或毛刺可能会对天空定位和引力波信号的参数估计产生不利影响，从而损害天体物理观测。探测器数据的去噪在低延迟操作期间尤其相关，因为候选探测的电磁跟踪需要准确、快速的天空定位和天体物理源的推断。NNETFIX是一种基于机器学习的算法，旨在消除与瞬态引力波信号一致检测到的毛刺。NNETFIX使用人工神经网络来估计由于故障的存在而丢失的数据部分，这允许重新计算天体物理信号的天空定位。去噪数据的天空定位可以比从原始数据或通过移除受毛刺影响的数据部分获得的天空定位显著更准确。我们测试NNETFIX在模拟场景中的二进制黑洞合并信号，并讨论其在未来的低延迟LIGO-Virgo-KAGRA搜索使用的潜力。在大多数情况下，对于具有高信噪比的信号，我们发现用去噪数据和原始数据获得的天空图的重叠优于用原始数据和去除毛刺的数据获得的天空图的重叠。
2021-01-12 astro-ph.CO astro-ph.HE astro-ph.IM
Second Einstein Telescope Mock Data and Science Challenge: Low Frequency Binary Neutron Star Data Analysis
爱因斯坦望远镜是一个设想中的第三代引力波探测器，预计比先进的LIGO，Virgo和Kagra更敏感，能够探测到来自致密物体合并的引力波信号，波形低至1Hz。有了这样的灵敏度，我们有望在宇宙学距离上探测到辐射源。在本文中，我们介绍了一种改进的方法来生成模拟数据，并分析它与一个新的低延迟紧凑的二叉搜索流水线称为gstlal。我们提出的结果，从这个分析的重点是低频分析的双中子星。尽管紧凑的二进制聚结信号持续数小时，在爱因斯坦望远镜的灵敏度频带时，开始在5赫兹，我们表明，我们能够辨别各种重叠的信号。我们还确定了每个分析运行进行的检测效率，并显示了一个概念的方法来估计作为红移的函数的信号数的证明。最后，我们表明，我们恢复信号参数的能力相比，第一次模拟数据和科学挑战的结果提高了一个数量级。对于双中子星，我们能够恢复的总质量和啁啾质量的0.5%和0.05%，分别。
2015-12-16 astro-ph.CO gr-qc
On similarity of binary black hole gravitational-wave skymaps: to observe or to wait?
LIGO仪器探测到的第一个二元黑洞GW150914的定位估计与合作机构共享，以进行电磁跟踪。虽然源是一个紧凑的二元合并（CBC），但它首先是通过搜索未建模信号的算法来识别的，这产生了指导电磁观测的天空图。后来，CBC特定的算法产生了改进的版本，显示出显着的差异。在本文中，我们表明，这些差异不是偶然的，CBC和未建模的二元黑洞的天空图将经常是不同的，因此，我们提供了一种方法来确定是否观察电磁尽可能迅速（以下引力波检测），或等待，直到CBC天空图变得可用，如果他们不能在低延迟。我们还表明，不出所料，CBC算法可以产生更小的搜索区域。
2016-11-25 astro-ph.HE gr-qc
Beyond FINDCHIRP: Breaking the memory wall and optimal FFTs for Gravitational-Wave Matched-Filter Searches with Ratio-Filter Dechirping
Syracuse University（雪城大学）
本文提出比率滤波去啁啾算法，通过将内存受限的FFT转换为缓存高效的FIR卷积，提升引力波匹配滤波搜索效率，适用于包含有限大小效应、偏心率和预cession的多种搜索。
2026-01-25 astro-ph.HE astro-ph.IM gr-qc
Rapid detection of gravitational waves from binary black hole mergers using sparse dictionary learning
针对引力波检测延迟问题，提出一种稀疏字典学习算法，可1秒内重构双黑洞信号，为未来地面探测器的快速高效引力波检测提供新途径。
2025-03-21 astro-ph.HE gr-qc
Optimal cross-correlation technique to search for strongly lensed gravitational waves
Inter-University Centre for Astronomy and Astrophysics（大学间天文学与天体物理学中心）
本研究提出了一种用于检测强引力透镜引力波事件对的高效方法，通过优化交叉相关分析，显著提高了检测性能并降低了假阳性概率。
2026-01-29 astro-ph.HE astro-ph.IM gr-qc
Deep Learning Detection and Classification of Gravitational Waves from Neutron Star-Black Hole Mergers
激光干涉仪引力波天文台（LIGO）和室女座干涉仪合作组现在已经探测到了所有三类紧凑的双星合并：双星黑洞（BBH），双星中子星（BNS）和中子星-黑洞（NSBH）。对于涉及中子星的聚并，同时观测事件产生的引力和电磁辐射，具有更广泛的潜力，以提高我们对这些事件的理解，也探索状态方程（EOS）的致密物质。然而，对引力波（GW）事件的电磁跟踪需要GW信号的快速实时检测和分类，并且常规检测方法在计算上对于下一代GW检测器的预期检测速率是过高的。在这项工作中，我们提出了第一个基于深度学习的GW信号分类结果，这些信号来自\textit{real} LIGO数据中的NSBH合并。我们首次证明，深度神经网络可以成功区分所有三类紧凑的二进制合并，并将它们与检测器噪声分离。具体来说，我们训练卷积神经网络（CNN）的$\sim 500,000$数据样本的真实LIGO噪声注入BBH，BNS，和NSBH GW信号，我们表明，我们的网络具有高灵敏度和准确性。最重要的是，我们成功地恢复了两个确认的NSBH事件的日期（GW 200105和GW 200115）和两个确认的BNS合并的日期（GW 170817和GW 190425），连同$\approx 90\%$的所有BBH候选事件从第三个引力波瞬态目录，GWTC-3。这些结果是实现低延迟实时GW检测的重要一步，从而实现多信使天文学。
2023-03-17 astro-ph.HE astro-ph.IM gr-qc
Gravitational wave detectability range informed by external messengers
Gran Sasso Science Institute (GSSI)（格兰萨索科学研究所）；INFN, Laboratori Nazionali del Gran Sasso（意大利国家核物理研究所，格兰萨索国家实验室）；Université Paris-Saclay（巴黎萨克雷大学）
本文提出了一种名为目标探测范围（TDR）的方法，用于在假设与外部信使（如电磁或中微子信号）相关的情况下，以最小的计算成本评估致密双星并合的探测性，通过比较伽马射线暴的探测范围来验证该方法。
2026-10-02 astro-ph.HE gr-qc
Calibration of the AdvancedVirgo+ Gravitational Wave Detector and Reconstruction of the Detector Strain h(t) during the Observing Run O4
本文研究先进处女座+引力波探测器在O4观测运行期间的校准及探测器应变h(t)重建。基于辅助执行器等进行校准，通过线性噪声减法等在线重建h(t)，生成分析就绪应变数据，用于离线数据分析并公开，提高了源参数估计精度。
2026-07-22 gr-qc
GWTC-3: Compact Binary Coalescences Observed by LIGO and Virgo During the Second Part of the Third Observing Run
本文发布GWTC-3星表，报告LIGO和Virgo在O3b期间新发现35个致密双星并合候选事件，其中包含首次可信的中子星-黑洞双星观测，累计候选事件达90个。
2023-10-23 astro-ph.HE gr-qc
