Monitoring of Continuous-Wave Hardware Injections in LIGO Interferometers during the O4 Observing Run
University of California, Los Angeles(加州大学洛杉矶分校)
LIGO在O4观测运行期间通过模拟连续波信号验证探测器响应和搜索管道,采用三种监控方法确保信号检测精度和稳定性。
2026-01-14 astro-ph.IM gr-qc
An independent search of gravitational waves in the first observation run of advanced LIGO using cross-correlation
本文介绍了一种利用LIGO观测站的数据同时搜索引力波的无模板方法。该方法的基本思想是,如果应变信号之间的最大相关系数大于一个显著阈值,且其时间差小于观测站间光传播时间的10 ms,则在短时间数据段中存在GW信号。因此,该方法可以用于执行任何类型GW的盲搜索,而不管波形和源类型以及天空位置。一个独立的搜索注入和真正的GW信号从紧凑的二元聚结(CBC)包含在先进的LIGO的第一次观测运行(O1)进行评估其性能。在此基础上,提出的方法能够检测到GW产生的二元系统,而不做任何假设。
2018-07-19 astro-ph.IM gr-qc
GW150914: The Advanced LIGO Detectors in the Era of First Discoveries
经过重大升级,激光干涉引力波天文台(LIGO)的两个先进探测器在2015年9月至2016年1月期间进行了首次观测。在100 Hz下的应变灵敏度为$10^{-23}/\sqrt{\mathrm{Hz}}$时,可观测体积和测量时间的乘积在同步观测的前16天内超过了所有先前运行的结果。2015年9月14日,先进的LIGO探测器观测到一个瞬态引力波信号,被确定为两个黑洞的合并[Phys. Rev. Lett. 116,061102(2016)],开启了引力波天文学的时代。两个探测器同时观测到的事件GW 150914的组合信噪比为24。在这里,我们介绍了实现这种观察的探测器的主要特征。在全灵敏度下,先进的LIGO探测器的设计是为了提供另一个三倍的信噪比的改善,为二元黑洞系统类似的质量GW 150914。
2016-02-11 astro-ph.HE astro-ph.IM gr-qc
Validating gravitational-wave detections: The Advanced LIGO hardware injection system
硬件注入是添加到激光干涉引力波天文台(LIGO)的模拟引力波信号。探测器的测试质量由致动器物理移位,以模拟引力波的影响。模拟信号启动控制系统响应,其模仿真实的引力波的响应。这为LIGO观测引力波的能力提供了一个端到端的测试。用于检测和表征信号的引力波分析与硬件注入一起进行。通过寻找注入和恢复信号之间的差异,我们能够表征分析的性能和仪器子系统与检测器输出通道的耦合。本文介绍了硬件注入系统和注入信号的恢复表示二进制黑洞合并,随机引力波背景,旋转中子星,正弦高斯。
2016-12-23 astro-ph.IM gr-qc
Search for gravitational-wave transients associated with magnetar bursts during the third Advanced LIGO and Advanced Virgo observing run
磁星是一种中子星,具有极强的偶极磁场,被观察到显示出一系列的x射线耀斑行为,但耀斑机制还没有很好的理解。Advanced LIGO和Virgo的第三次观测从2019年4月1日延长到2020年3月27日,包含来自已知磁星SGR 1935+2154以及新发现的磁星Swift J1818-1607的X射线耀斑。我们寻找引力波符合这些磁星耀斑与最低限度建模,相干搜索,专门针对短时间的引力波产生的激发f-模式在磁星的核心,以及长时间的引力波激发的准周期振荡中观察到的巨大耀斑的尾巴。在本文中,我们报告这些搜索的方法和灵敏度估计,以及天体物理学的影响。
2022-10-25 astro-ph.HE astro-ph.IM gr-qc
Transient Classification in LIGO data using Difference Boosting Neural Network
引力波探测器数据中瞬变现象的检测和分类对于有效地搜索真实的天体物理事件和识别噪声源至关重要。我们提出了一种混合的方法,用于分类的短时间瞬变引力波数据中看到的监督和无监督的机器学习技术。为了训练分类器,我们使用通过对数据应用一维小波分解获得的相对小波能量和相应的熵。训练分类器的预测精度的9个模拟类的引力波瞬变和LIGO的第六次科学运行的硬件注入报告。有针对性的搜索一对夫妇的已知类的非天体物理信号在先进的LIGO数据的第一次观测运行。使用最少的训练样本准确识别瞬态类的能力使得所提出的方法成为LIGO探测器表征以及搜索短持续时间引力波信号的有用工具。
2017-05-09 astro-ph.IM gr-qc
On the Signal Processing Operations in LIGO signals
本文分析了LIGO合作组在汉福德(H1)、利文斯顿(L1)和室女座(V1)探测器上探测到的五次引力波事件的数据。结果表明,GW 170814、GW 170817、GW 151226和GW 170104是非常弱的信号,其幅度在GW事件期间没有显著上升,并且它们与非平稳探测器噪声难以区分。LIGO软件使用32秒窗口在频域中在匹配滤波器中实现H1/L1信号与模板参考信号的互相关函数(CCF)。结果表明,这种匹配滤波器与高SNR/CCF峰值失火,即使是非常低的幅度,正弦波信号和加性高斯白噪声(AWGN)的短脉冲串,所有的时间。它示出,这种不稳定的匹配滤波器的行为,是由于错误的信号处理操作,如缺乏循环前缀所需的帐户循环卷积。它还表明,归一化CCF方法实现在时域中使用短窗口,没有虚假的CCF峰值正弦波和噪声突发。结果表明,GW 151226和GW 170104的归一化CCF,当相关的H1/L1和模板,是无法区分的相关检测器噪声和模板。它还表明,GW 151226和GW 170104的归一化CCF,当相关的H1/L1和模板,是无法区分相关的H1/L1和伪啁啾模板,这是频率调制(FM)的波形,显着不同于理想的模板。用LIGO匹配滤波器示出了类似的结果,其对于伪线性调频脉冲模板以高信噪比(SNR)失败。
2018-03-12 astro-ph.IM eess.SP
Noise Line Identification in LIGO S6 and Virgo VSR2
LIGO(激光干涉引力波天文台)和Virgo的一个重要目标是找到周期性的引力波源。LIGO和Virgo探测器对各种非天体物理学来源的噪声敏感,例如仪器文物和环境干扰。这些伪影使得人们很难知道信号何时是由引力波或噪声引起的。提出了一种连续波搜索算法Fscan,并计算了引力波通道与辅助通道之间的相干性,以识别噪声线的来源。这些程序分析来自引力波通道和环境传感器的数据,搜索在引力波通道和环境监测器中同时出现的重要谱线(使用各种阈值和频率窗口)。通过这种方法,可以确定由噪声引起的引力波通道中特定频率的强信号的来源。从LIGO的第六次科学运行,S6,和处女座的第二次科学运行,VSR 2的例子,提出。
2011-09-02 astro-ph.IM gr-qc
Searching for Intelligent Life in Gravitational Wave Signals Part I: Present Capabilities and Future Horizons
我们表明,激光干涉仪引力波天文台(LIGO)是一个强大的工具,在搜索地外文明(SETI)。LIGO探测来自天体物理源的引力波(GW)的能力,如二元黑洞合并,也提供了探测地外巨型技术的潜力,如快速和/或大规模加速航天器(RAMAcraft)。我们表明,LIGO是敏感的RAMAcraft 1木星质量加速到光速的一部分(例如30\%)从$10 - 100\,$ kpc或月球质量从$1-10\,$ pc。虽然现有的SETI搜索可以探测人类规模技术(例如无线电波)的一万颗恒星,但LIGO可以探测银河系中所有10颗$^{11}$恒星。此外,由于RAMAcraft信号的$f^{-1}$缩放,我们对这些物体的灵敏度将随着低频探测器的开发和改进而增加,从而可以探测到距离地球更远的较小质量。特别是,我们发现DECIGO和大爆炸观测器(BBO)将比LIGO灵敏100倍,增加10个$^{6}$的搜索量,而LISA和脉冲星定时阵列(PTA)可能会提高对长加速周期物体的灵敏度。在本文中,我们计算了线性加速RAMAcraft的波形,其形式适合于LIGO、Virgo和KAGRA搜索,并提供了各种质量和加速度的范围。我们预计,目前和即将推出的GW探测器将很快成为现有SETI工作的一个很好的补充。
2022-12-24 astro-ph.IM gr-qc
Transient glitch mitigation in Advanced LIGO data with $\textit{glitschen}$
“毛刺”--由LIGO和Virgo等引力波干涉仪收集的数据中的瞬态噪声伪影--是搜索和表征引力波信号的一个始终存在的障碍。由于一些具有类似于高质量、高质量比和极端自旋双黑洞事件的形态,它们限制了对这些源的敏感性。它们还可以作为所有来源的污染物,需要在进行天体物理推断之前进行有针对性的缓解。我们提出了一个数据驱动的,经常遇到的故障类型的参数模型,使用概率主成分分析。作为参数化引力波信号模型的噪声模拟,它可以很容易地被纳入现有的搜索和探测器表征技术。我们已经用开源的glitschen包实现了我们的方法。使用LIGO目前最有问题的故障类型(“光点”和“tomte”),我们证明可以构建适度维度的参数模型,并用于频率论和贝叶斯分析中的有效缓解。
2022-01-19 astro-ph.IM gr-qc
Tuning Advanced LIGO to kilohertz signals from neutron-star collisions
中子星碰撞后产生的千赫兹频率的引力波可以揭示物质在实验室实验无法达到的极端温度和密度下的行为。引力波干涉仪在这些频率受到量子噪声的限制,但可以通过其光学配置进行调谐,以最大限度地提高合并后信号检测的概率。我们比较了两种这样的调谐策略,将Advanced LIGO变成一个合并后聚焦的仪器:第一,宽带调谐,将仪器的信噪比提高40- 80\ %,相对于基线,大大高于\SI{1}{\kHz},在较低频率下具有适度的灵敏度损失;第二,提供比宽带调谐甚至更多的增强的“失谐”配置,但是仅在窄频带上,并且以在其它地方显著更差的量子噪声性能为代价。在合并后参数中的仪器损耗和不确定性的乐观解释下,失谐仪器与宽带仪器相比具有${\lesssim}40\%$灵敏度改进。
2020-10-29 astro-ph.IM
Reconstruction of binary black hole harmonics in LIGO using deep learning
针对传统引力波探测方法受噪声干扰、未考虑自旋进动及高阶谐波的局限,提出基于深度学习的进动双黑洞信号波形重构方法,在模拟和真实数据中均取得高精度结果。
2024-03-03 astro-ph.IM gr-qc
Understanding the LIGO GW150914 event
我们提出了一种简化的方法,用于从汉福德和利文斯通32秒的数据中提取有意义的信号GW150914事件公开提供的LIGO合作,并证明其能够重现LIGO合作自己的结果定量给定的假设,即所有窄峰的功率谱是物理上不感兴趣的信号的后果,可以被删除。在削波这些峰值并返回到时域之后,GW 150914事件很容易与宽带背景噪声区分开。这种简单的技术使我们能够识别GW150914事件,而无需对其物理起源进行任何假设,并对其形状进行最小假设。我们还确认,LIGO GW 150914事件是唯一相关的汉福德和利文斯顿探测器的4096秒的数据在$6-7\,σ$的水平与时间位移的$τ=6.9 \pm 0.4\,$ ms。我们还确定了一些事件,形态接近GW 150914,但不太强烈的交叉相关。
2016-08-09 astro-ph.CO astro-ph.IM hep-th
Improving the Sensitivity of Advanced LIGO Using Noise Subtraction
本文提出了一种自适应的,并行化的方法,从先进的LIGO数据减去线性耦合噪声。我们解释了开发的功能,以确保该过程足够强大,以处理先进的LIGO数据中存在的变化。在这项工作中,我们的目标减去由于光束抖动,检测器校准线,和电源线的噪声。我们证明了在整个第二次观察运行的噪声减法,导致灵敏度的增加与以前的有针对性的努力报告。在第二次观测过程中,我们看到Advanced LIGO对来自广泛的紧凑双星系统的引力波的灵敏度增加了30%。我们希望使用这种方法可以在Advanced LIGO数据中检测到更高速率的引力波信号。
2019-06-26 astro-ph.IM gr-qc
Assessing astrophysical foreground subtraction in DECIGO using compact binary populations inferred from the first part of the LIGO-Virgo-KAGRA's fourth observation run
Research Center for the Early Universe (RESCEU), Graduate School of Science, The University of Tokyo(东京大学理学研究科早期宇宙研究中心)
本文通过LIGO-维格罗-KAGRA第四次观测运行第一部分推断的紧致二体人口模型,评估DECIGO中减除天体物理前兆信号的可行性,并发现投影方案对检测原始SGWB至关重要。
2026-08-31 astro-ph.IM gr-qc
Detection and Parameter Estimation of Gravitational Waves from Binary Neutron-Star Mergers in Real LIGO Data using Deep Learning
实时探测和估计致密双星合并产生的引力波的关键挑战之一是传统的匹配滤波和贝叶斯推断方法的计算成本。特别是,将这些方法应用于引力波探测器可用的完整信号参数空间和/或实时参数估计在计算上是禁止的。另一方面,快速探测和推断对于迅速跟踪伴随重要瞬变的电磁和天体粒子对应物,如中子星双星和黑洞中子星合并,至关重要。训练深度神经网络来识别特定信号并学习引力波信号及其参数之间映射的计算有效表示,可以快速可靠地进行检测和推断,具有高灵敏度和准确性。在这项工作中,我们应用了一种深度学习方法来快速识别和表征真实LIGO数据中中子星合并的瞬态引力波信号。我们第一次证明了人工神经网络可以及时检测和表征真实LIGO数据中的二进制中子星引力波信号,并将其与噪声和合并黑洞二进制信号区分开来。我们通过证明我们的深度学习框架正确地分类了来自引力波瞬态目录GWTC-1的所有引力波事件来说明这一关键结果[Phys. Rev. X 9(2019),031040]。这些结果强调了在机器学习方法中使用真实引力波探测器数据的重要性,并代表了实现引力波实时探测和推断的一步。
2021-07-29 astro-ph.IM gr-qc nucl-th
An Analysis of LIGO Glitches Using t-SNE During the First Part of the Fourth LIGO-Virgo-KAGRA Observing Run
Louisiana State University(路易斯安那州立大学)
本文利用t-SNE分析LIGO第四次观测运行初期的glitches,发现不同观测站的glitches与季节性地面运动或仪器条件相关。
2025-12-07 astro-ph.IM gr-qc
Incorporating information from LIGO data quality streams into the PyCBC search for gravitational waves
我们提出了一种新的方法,占的性质的变化,引力波探测器噪声随时间的PyCBC搜索引力波从紧凑的二元聚结。我们使用来自LIGO数据质量流的信息来监控每个探测器及其环境的状态,以模拟每个探测器中噪声率的变化。这些数据质量流允许在检测器故障期间在数据中识别的候选者作为噪声被更有效地拒绝。这种方法允许将来自探测器状态的机器学习预测的数据作为PyCBC搜索的一部分,将可检测到的引力波信号的总数增加了5%。当使用机器学习分类和手动生成的标志来搜索LIGO-Virgo第三次观测运行的数据时,与不使用任何数据质量流相比,可检测到的引力波信号总数增加了20%。我们还展示了这种方法是如何足够灵活,包括大量的额外的任意数据流,可能能够进一步增加搜索的灵敏度的信息。
2022-04-06 astro-ph.IM gr-qc
GW-YOLO: Multi-transient segmentation in LIGO using computer vision
LIGO Laboratory, Massachusetts Institute of Technology(麻省理工学院 LIGO 实验室);University of California, Riverside(加州大学河滨分校);Inter-University Centre for Astronomy and Astrophysics(天文与天体物理跨大学中心)
本文提出GW-YOLO,一种基于YOLO的计算机视觉工具,用于引力波干涉仪数据的实时多瞬变分割,可同时识别噪声与信号并提供像素级时频定位,在特定信噪比下实现50%的检测效率。
2026-09-22 astro-ph.IM gr-qc
Convolutional Neural Networks for signal detection in real LIGO data
Friedrich-Schiller-Universität Jena(弗里德里希·席勒大学耶拿分校);Michael Stifel Center Jena(耶拿迈克尔·斯蒂费尔中心);Astronomical Institute of the Czech Academy of Sciences(捷克科学院天文研究所);Max-Planck-Institut für Gravitationsphysik, Albert-Einstein-Institut(马克斯·普朗克引力物理研究所(阿尔伯特·爱因斯坦研究所));Leibniz Universität Hannover(莱布尼茨汉诺威大学)
本文提出基于卷积神经网络的引力波信号检测方法,在统一评估框架下应用于真实LIGO O3b数据,成功恢复GWTC-3星表中的相关事件。
2024-02-12 astro-ph.IM cs.LG gr-qc
Fortifying the characterization of binary mergers in LIGO data
利用引力波观测站对紧凑双星的螺旋和合并进行研究,相当于优化数据的理论描述,以最好地再现真实的探测器输出。虽然大多数引力波数据建模的研究工作集中在引力波-形式本身,在这里,我们将开始通过引入参数,使我们能够确定背景仪器功率谱,同时模拟表征天体物理信号,以改善我们的模型的仪器噪声。我们使用的数据从第五LIGO科学运行和模拟的引力波信号,以证明如何引入噪声参数的结果在弹性的信号特性的变化,在初始估计的噪声功率谱密度。当我们能够边缘化仪器噪声水平的不确定性时,我们发现贝叶斯因子计算的一致性得到了实质性的改善。
2013-07-31 astro-ph.IM
Reconstructing the calibrated strain signal in the Advanced LIGO detectors
高级LIGO的原始探测器输出需要校准以计算无量纲应变h(t)。使用低延迟、在线程序和高延迟、离线程序在时域中产生校准的应变数据。低延迟h(t)数据流在两个阶段中产生,第一阶段在操作检测器的反馈控制系统的相同计算机上执行。该阶段称为前端校准,使用无限脉冲响应(IIR)滤波,并以16384 Hz数字采样率执行所有操作。由于若干限制,该过程目前在校准的应变数据中引入了某些系统误差,从而激发了低延迟过程的第二阶段,称为低延迟gstlal校准流水线。gstlal校准流水线使用有限脉冲响应(FIR)滤波来将校正应用于前端校准的输出。它将时间相关的校正因子应用于校准应变的感测和致动部件,以减少系统误差。gstlal校准流水线也用于高延迟中以重新校准数据,这是必要的,主要是由于校准数据中的在线丢失以及对校准模型或滤波器的识别改进。
2018-03-13 astro-ph.IM gr-qc
Deep Learning Detection of Beyond-General-Relativity Deviations in Gravitational-Wave Signals: A Detection-Threshold Study with Real LIGO Noise
Concordia University(康考迪亚大学)
本研究利用混合CNN分类器在真实LIGO噪声中探测引力波信号的广义相对论外偏差,确定探测阈值约为β≈0.25,并指出小偏差时的负结果量化了纯机器学习搜索的局限。
2026-09-18 astro-ph.IM cs.LG gr-qc
Results of the deepest all-sky survey for continuous gravitational waves on LIGO S6 data running on the Einstein@Home volunteer distributed computing project
我们报告了从S6 LIGO科学运行的数据中对来自孤立中子星的周期性引力波进行深空搜索的结果。由于Einstein@Home分布式计算项目的志愿者提供的计算能力,搜索成为可能。我们没有发现明显的信号候选者,并对来自目标人群的引力波信号的振幅设定了迄今为止最严格的上限。在最佳应变灵敏度的频率下,在$170.5$和$171$ Hz之间,我们设置了${5.5}^{-25}$的90%置信上限,而在我们频率范围的高端,大约505 Hz,我们达到了上限$\simeq {10}^{-24}$。在$230$ Hz处,我们可以用$10^{38} \textrm{kg m}^2$的主惯性矩的基准值排除地球100 pc范围内椭圆度大于$10^{-6}$的源。如果我们假设一个更高(更低)的引力波自旋,我们就把更远(更近)的物体限制在更高(更低)的椭圆度上。
2016-07-02 astro-ph.IM gr-qc
Bayesian inference for compact binary coalescences with BILBY: Validation and application to the first LIGO--Virgo gravitational-wave transient catalogue
引力波为观测天文学提供了一个独特的工具。虽然第一个LIGO-Virgo引力波瞬变目录(GWTC-1)包含来自黑洞和中子星双星的11个信号,但随着探测器灵敏度的提高,观测数量正在迅速增加。为了从观测信号中提取信息,必须具有快速、灵活和可扩展的推理技术。在以前的论文中,我们介绍了BILBY:一个模块化和用户友好的贝叶斯推断库,适用于解决引力波推理的需求。在这项工作中,我们证明了BILBY产生可靠的结果,从紧凑的二进制合并的模拟引力波信号,并验证它准确地再现结果报告的11 GWTC-1信号。此外,我们还为所有分析提供配置和输出文件,以便于复制、修改和将来使用。这项工作表明,BILBY已经准备好分析快速增长的致密双星聚结引力波信号。
2021-06-07 astro-ph.IM gr-qc
Hierarchical search for compact binary coalescences in the Advanced LIGO's first two observing runs
探测多个致密双星并合是目前和未来地基引力波探测器的主要目标之一。虽然提高探测器的灵敏度对于实现这一目标至关重要,但有效的数据分析策略可以发挥至关重要的作用。在给定计算能力的情况下,有效的数据分析技术可以扩展参数空间的大小和维度以搜索各种GW源。基于匹配滤波的分析依赖于建模信号来产生用于信号检测的足够的信噪比,如果参数空间太受限,则基于匹配滤波的分析可能会错过它们。具体来说,CBC搜索目前仅限于非旋进双星,其中组件的自旋与轨道角动量对齐或反对齐。因此,对CBCs的分层搜索是很有动机的。该搜索的第一阶段通过用粗模板库匹配过滤粗采样数据来执行,以寻找候选事件。然后,这些候选者被跟踪以在事件的参数空间附近进行更精细的搜索。执行这样的搜索导致计算成本的巨大节省。在这里,我们报告了分层搜索作为基于PyCBC的生产管道的第一次成功实施,以执行对LIGO观测运行的完整分析。在此基础上,我们分析了Advanced LIGO的第一次和第二次观测运行数据。我们恢复了在LIGO-Virgo合作发布的第一个GW目录GWTC-1中PyCBC(平面)搜索检测到的所有事件,使用缩放的背景具有几乎相同的意义。在分析中,我们得到了一个令人印象深刻的因素20减少计算相比,平面搜索。与标准注射研究,我们表明,分层搜索的灵敏度仍然可比的误差条内的平面搜索。
2022-03-07 astro-ph.IM gr-qc
Identification of long-duration noise transients in LIGO and Virgo
LIGO和Virgo探测器对各种噪声源都很敏感,例如仪器伪影和环境干扰。随机瞬态分析多探测器流水线(STAMP)已被开发用于搜索长持续时间(t $\gtrsim$ 1 s)的引力波(GW)信号。该流水线还可用于识别环境噪声瞬变。在这里,我们提出了一种算法来确定长时间的噪声源耦合到干涉仪,以及识别这些噪声源是什么。我们分析了GW应变通道和环境传感器之间的交叉功率,使用模式识别工具来识别交叉功率时频图中的统计显著结构。我们识别来自飞机、直升机、雷暴和其他来源的干涉仪噪声。从LIGO的第六次科学运行,S6,和处女座的第三次科学运行,VSR 3,的例子。
2011-11-13 astro-ph.IM gr-qc
Searches for continuous gravitational waves with the LIGO and Virgo detector
LIGO科学合作组织和Virgo合作组织在LIGO和Virgo数据中开展了周期性连续引力波的联合搜索。这些分析的范围从有针对性地搜索已知恒星的引力波信号(无线电或X射线观测的精确星历表用于匹配滤波器),到全天搜索未知的中子星,包括双星系统中的恒星。在这两个极端之间的是定向搜索未知自旋频率的已知恒星或特定位置的新的未知来源,例如靠近银河系中心或球状星团。将总结每种类型的最近和正在进行的搜索,以及使用Advanced LIGO和Virgo探测器数据进行未来搜索的前景。
2012-10-31 astro-ph.GA astro-ph.IM gr-qc
Searching for electromagnetic counterpart of LIGO gravitational waves in the Fermi GBM data with ADWO
费米合作确定了2015年9月14日引力波事件的可能电磁对应物。我们的目标是提供一个无监督的数据分析算法,以确定类似的事件在费米的伽马射线暴监测CTTE数据流。我们正在寻找典型的微弱信号。因此,它们只能通过同时仔细分析所有探测器和能量通道的计数率来发现。我们的自动检测器权重优化(ADWO)方法包括对信号的搜索和对其重要性的测试。我们开发了ADWO,多通道多探测器信号的虚拟探测器分析工具,并成功地搜索了数据流中的短瞬变。我们已经确定了GRB 150522 B,以及可能的电磁候选人的瞬态GW 150914和LVT 151012。ADWO是一种独立开发的、无监督的数据分析工具,仅依赖于费米卫星的原始数据。因此,它可以提供一个强大的,独立的测试,任何电磁信号伴随着未来的引力波观测。
2016-08-24 astro-ph.HE astro-ph.IM gr-qc
Enhancing the capabilities of LIGO time-frequency plane searches through clustering
LIGO Laboratory(LIGO实验室);California Institute of Technology(加州理工学院)
LIGO正在寻找的一类引力波信号是由未知波形的短时间爆发组成的。可能的来源包括核心坍缩超新星、伽马射线暴的前身星、双黑洞或中子星的合并。我们提出了一个基于密度的聚类算法,以提高性能的时频搜索这样的引力波爆发时,他们在时间和/或频率上的扩展,并没有足够的知名度,允许匹配滤波。我们将该算法作为QPipeline的扩展来实现,QPipeline是一种用于检测爆发的重力波数据分析管道,目前仅根据在最小不确定性区域中观察到的峰值显著性来确定事件的统计显著性时频平面。基于密度的聚类通过考虑时频平面中任意形状区域的聚合显著性并拒绝从背景检测器噪声预期的孤立的最小不确定性特征来提高这样的搜索的性能。在本文中,我们提出了模拟信号的测试结果,并表明基于密度的聚类提高了QPipeline的时间和/或频率扩展信号的性能。
2009-06-18 astro-ph.IM cs.CV gr-qc
Denoising Gravitational Waves using Deep Learning with Recurrent Denoising Autoencoders
NCSA, University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校国家超级计算应用中心);Department of Statistics, University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校统计系);Department of Astronomy, University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校天文系);Department of Electrical and Computer Engineering, University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校电气与计算机工程系)
引力波天文学是现代天体物理学中一个快速发展的领域,LIGO探测器经常进行观测。引力波信号通常非常微弱,来自LIGO等探测器的数据受到非高斯和非平稳噪声的污染,通常包含可能掩盖真实信号的瞬态干扰。传统的去噪方法,如主成分分析和字典学习,对于处理这种非高斯噪声,特别是对于低信噪比的引力波信号,效果并不理想。此外,这些方法在大型数据集上计算昂贵。为了克服这些问题,我们应用最先进的信号处理技术,基于深度学习的最新突破性进展,对嵌入高斯噪声或真实LIGO噪声中的引力波信号进行降噪。我们介绍了SMTDAE,阶梯式多时间步去噪自动编码器,基于序列到序列的双向长短期记忆递归神经网络。我们展示了使用我们的无监督深度学习方法的优势,并表明,在仅使用模拟高斯噪声进行训练后,SMTDAE对嵌入真实非高斯LIGO噪声中的引力波信号实现了卓越的恢复性能。
2017-11-27 astro-ph.HE astro-ph.IM cs.LG
LIGO Core-Collapse Supernova Detection using Convolution Neural Networks
本文提出结合时频分析与卷积神经网络(CNN)探测核心坍缩超新星引力波,发现模型对信噪比大于0.5的事件探测真阳性率接近100%,且在低信噪比下STFT优于Q-transform。
2025-02-01 astro-ph.IM
Characterising Transient Noise in the LIGO Detectors
来自LIGO探测器的数据通常包含许多由于仪器和环境条件而产生的非高斯噪声瞬态。这些非高斯瞬态可能是建模和未建模瞬态引力波搜索的一个问题,因为它们可能掩盖或模仿真实信号。数据质量可能会迅速变化,因此必须跟踪并找到新的瞬态噪声源,以便将数据污染降至最低。瞬态噪声的几个例子和用于跟踪它们的工具。这些实例突出了LIGO探测器在第二次观测运行期间存在的各种噪声源。
2018-04-20 astro-ph.IM
Deep Learning for Real-time Gravitational Wave Detection and Parameter Estimation with LIGO Data
NCSA(美国国家超级计算应用中心);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
最近获得诺贝尔奖的对黑洞合并产生的引力波的探测以及随后对两颗中子星碰撞的探测与电磁观测相吻合,开创了多信使天体物理学的新时代。为了扩大这一新兴科学的范围,我们提出使用深度卷积神经网络来实时检测和表征引力波信号。这种方法,即深度滤波,最初是使用模拟的LIGO噪声进行演示的。在这篇文章中,我们提出了使用LIGO第一次观测运行的实际数据进行深度滤波的扩展,用于利用来自多个LIGO探测器的连续数据流对来自二元黑洞合并的引力波进行检测和参数估计。我们首次证明,机器学习可以检测和估计LIGO观测到的真实GW事件的真实参数。我们的比较表明,深度滤波比匹配滤波的计算效率高得多,同时保持相似的灵敏度和较低的误差,允许实时处理非平稳非高斯噪声中的弱时间序列信号,使用最少的资源,并且还能够检测新类别的引力波源,这些源可能会被现有的检测算法忽略。这种方法是唯一适合于使符合检测活动的引力波和他们的多信使同行在实时。
2017-12-11 astro-ph.HE astro-ph.IM cs.LG
Deep Learning for Real-time Gravitational Wave Detection and Parameter Estimation: Results with Advanced LIGO Data
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);NCSA(美国国家超级计算应用中心)
最近获得诺贝尔奖的对黑洞合并产生的引力波的探测以及随后对两颗中子星碰撞的探测与电磁观测相吻合,开创了多信使天体物理学的新时代。为了扩大这一新兴科学领域的范围,我们率先使用卷积神经网络进行深度学习,该网络采用时间序列输入,用于快速检测和表征引力波信号。这种方法,即深度滤波,最初是使用模拟的LIGO噪声进行演示的。在这篇文章中,我们提出了使用LIGO的实际数据的深度滤波的扩展,使用来自多个LIGO探测器的连续数据流,用于探测和参数估计来自二元黑洞合并的引力波。我们首次证明了机器学习可以检测和估计LIGO观测到的真实事件的真实参数。我们的研究结果表明,与匹配滤波相比,深度滤波实现了相似的灵敏度和更低的误差,同时计算效率更高,对毛刺的弹性更强,允许以最少的资源实时处理非平稳非高斯噪声中的弱时序信号,并且还可以检测到现有检测算法可能未被注意到的新类别的引力波源。这种统一的数据分析框架非常适合于实现引力波及其多信使对应物的实时同步探测活动。
2017-11-08 astro-ph.HE astro-ph.IM cs.LG
Data Access for LIGO on the OSG
在2015年和2016年期间,激光干涉引力波天文台(LIGO)进行了为期三个月的观测活动。这些观测首次直接探测到了来自双黑洞合并的引力波。为了搜索这些信号,LIGO科学合作组织使用PyCBC搜索管道。为了及时交付科学成果,LIGO与开放科学网格(OSG)合作,将所需的计算分布在一系列专用的、机会主义的和分配的资源上。为了提供如此大规模计算所需的PB级数据,我们的团队部署了一个基于XRootD服务器套件和CernVM文件系统(CVMFS)的分布式数据访问基础架构。这种数据访问策略从简单地访问远程存储发展到基于POSIX的接口,该接口由跨OSG的分布式安全缓存支持。
2017-05-17 astro-ph.IM cs.DC
Mode matching error signals using radio-frequency beam shape modulation
需要精确的模式匹配来最大限度地提高耦合腔干涉仪(如Advanced LIGO)的性能。在本文中,我们提出了一种新的模式匹配传感方案,使用一个单一的射频高阶模边带和单元素光电二极管。它是一阶不敏感的失准,并可以作为一组模式匹配致动器的闭环控制系统中的误差信号。我们还讨论了如何在高级LIGO中实现它。所提出的模式匹配误差信号已经在桌面实验上成功地得到了验证,其中误差信号将光束到腔的模式匹配提高到99.9%。
2020-08-13 astro-ph.IM physics.optics
The LIGO HET Response (LIGHETR) Project to Discover and Spectroscopically Follow Optical Transients Associated with Neutron Star Mergers
LIGHETR项目利用Hobby-Eberly望远镜的VIRUS和LRS-2光谱仪,对LIGO/Virgo发现的中子星并合相关光学暂现源进行光谱跟踪,其观测频次超越GW170817,并在O3期间成功对候选体进行了光谱观测与性质确认。
2023-06-27 astro-ph.HE astro-ph.IM