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
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
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
NuRIA: Numerical Relativity Injection Analysis of spinning binary black hole signals in Advanced LIGO data
引力波(GW)天文学的出现为我们提供了比X射线天文学已知的质量更大的黑洞的观测结果。然而,对中等质量黑洞(IMBH)的观测仍然是一个巨大的挑战。在他们的第二次观测运行之后,LIGO \& Virgo Scientific collaborations(LVC)对非旋进IMBH双星(IMBHB)的合并率密度设定了上限。在这篇文章中,我们探讨了LVC使用的两个搜索管道的灵敏度,从69个数值模拟的IMBHB与通用自旋的信号,其中27个有一个旋进轨道平面。特别是,我们比较匹配滤波器搜索PyCBC,和相干的模型无关的搜索技术cWB。我们发现,在一般情况下,cWB是更敏感的IMBHB比PyCBC,其差异取决于质量和旋转的源。因此,我们使用cWB将第一个上限的合并率的通用旋转IMBH二进制使用公开的数据从第一个先进的LIGO观测运行。
2020-08-22 astro-ph.CO 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
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
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
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
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
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
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
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
Automated Evaluation of Environmental Coupling for Advanced LIGO Gravitational Wave Detections
针对高级LIGO引力波探测中环境耦合评估效率低的问题,研究人员开发了计算工具PEMcheck,利用现有环境传感器数据自动量化耦合程度,大幅提升审核效率,将在LIGO第四次观测运行的事件验证中发挥关键作用。
2024-06-21 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
Searches for continuous gravitational wave signals and stochastic backgrounds in LIGO and Virgo data
我们目前的结果,从最近的LIGO和处女座的数据连续引力波信号(CW)的旋转中子星和随机引力波背景(SGWB)的搜索。演讲的第一部分是专门讨论CW分析,重点是两种类型的搜索。在已知中子星的有针对性的搜索中,使用恒星参数的精确知识来应用最优滤波方法。在没有信号检测的情况下,在少数情况下,可以设置应变幅度的上限,该上限超过了将自旋下降能量损失归因于引力波发射而得出的自旋下降极限。相比之下,盲全天搜索并不针对特定的源,而是尽可能地探索参数空间的大部分。完全相干的方法不能用于这类搜索,这带来了非平凡的计算挑战。演讲的第二部分重点是SGWB搜索。一个随机的引力波背景是由许多宇宙学或天体物理学起源的非相干源叠加而产生的。鉴于这种信号的随机性,不可能使用单个检测器将其与噪声区分开。典型的数据分析策略依赖于将来自一对或几对检测器的数据互相关,这允许将搜索的信号与仪器噪声区分开。还讨论了这两种源的下一代干涉仪的预期灵敏度和探测前景。
2012-01-16 astro-ph.CO 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
Using t-SNE for characterizing glitches in LIGO detectors
本研究提出结合Q-transform与t-SNE分析LIGO天文台噪声瞬变的方法,通过分类技术、参数影响检查及一周每日分析追踪异常瞬变,解决glitches污染引力波数据及模拟并合信号的问题。
2025-06-29 astro-ph.IM gr-qc
Sub-threshold binary neutron star search in Advanced LIGO's first observing run
本文介绍了在Advanced LIGO的第一次观测运行中对双中子星双星的引力波的探测。搜索考虑了一个狭窄的范围内的二进制啁啾质量的人口在附近的宇宙中已知的双中子星二进制的动机。这次搜索与以前发表的结果不同,它提供了Advanced LIGO在这个狭窄的质量范围内首次观测运行的最灵敏的中子星调查,并包括两个LIGO探测器中只有一个在分析中运行的时间。搜索是敏感的二进制中子星的吸气到平均距离约85百万秒差距超过93.2天。我们没有发现任何明确的引力波信号在我们的样本103次阈值候选人的假警报率小于每天一个。然而,考虑到预期的双星中子星合并速率为R = 100 - 4000 Gpc^(-3)yr^(-1),我们预计O(1)引力波事件在我们的候选名单中。这表明这些候选者中的一个或多个实际上可能是一个双中子星合并。虽然我们的候选名单中的污染分数为~ 99%,但有可能将这些事件与其他信使相关联,以识别潜在的多信使信号。我们提供了一个在线候选人名单的时间和天空位置的所有事件,以使多信使搜索。
2019-01-29 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
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
The Influence of Dual-Recycling on Parametric Instabilities at Advanced LIGO
具有高循环功率和悬浮光学器件的激光干涉仪,如LIGO引力波探测器,会经历被称为参数不稳定性的光机耦合效应:由光场驱动的反射镜中的机械共振的失控激发。这可能使干涉仪感测和控制系统饱和,并限制检测器的观察时间。LIGO站点的当前缓解技术成功地抑制了所有观察到的参数不稳定性,并专注于干涉仪的法布里-珀罗臂腔中的不稳定性行为,其中首先产生不稳定性。在本文中,我们模拟了完整的双回收先进LIGO设计与固有的缺陷。我们发现,添加功率和信号回收腔会改变干涉仪对机械模式的响应,导致峰值数量增加四倍。信号再循环腔中的累积相位或古伊相位的变化对参数增益有显著影响,因此哪些模式需要抑制。
2017-09-12 astro-ph.IM gr-qc physics.optics
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
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
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
Advanced LIGO
先进的LIGO引力波探测器是为位于华盛顿州汉福德和洛杉矶利文斯顿的两个LIGO天文台设计和建造的第二代仪器。这两台仪器在设计上完全相同,是一台臂长4公里的迈克耳孙干涉仪的专门版本。与最初的LIGO一样,臂中使用法布里-珀罗腔以增加与引力波的相互作用时间,并使用功率回收来增加有效激光功率。Advanced LIGO中增加了信号回收,以提高频率响应。在100 Hz附近的最敏感频率区域,设计应变灵敏度是初始LIGO的10倍。此外,灵敏度带的低频端从40 Hz向下移动到10 Hz。所有的干涉仪组件都被改进的技术所取代,以实现这种灵敏度增益。更好的地震隔离和测试质量悬挂是低频增益的原因。较高的激光功率、较大的测试质量和改进的反射镜涂层导致中高频灵敏度的提高。计划于2015年年中开始使用这些新仪器收集数据。
2014-11-17 astro-ph.IM gr-qc physics.ins-det
Identifying correlations between LIGO's astronomical range and auxiliary sensors using lasso regression
激光干涉引力波天文台(LIGO)可以观测天体物理系统的范围随着时间的推移而变化,受到仪器及其环境中的噪音的限制。识别和消除限制LIGO范围的噪声源可以实现更高的信噪比观测,并增加观测数量。LIGO观测站由数十万个辅助通道持续监控,这些通道可能包含有关这些噪声源的信息。本文描述了一种使用线性回归的算法,即lasso(最小绝对收缩和选择算子)回归,以分析所有这些通道,并确定其中的一小部分,可用于重建LIGO天体物理范围的变化。应用这种方法的三个不同时期的LIGO利文斯顿数据的示例性结果,以及计算性能和当前的限制。
2018-10-23 astro-ph.IM
Does non-stationary noise in LIGO and Virgo affect the estimation of $H_0$?
引力波观测的双星中子星合并和他们的电磁对应提供了一个独立的测量哈勃常数,$H_0$,通过标准的警报方法。当前确定$H_0$的方法,例如早期宇宙的测量和局部距离阶梯,相互矛盾。如果引力波要打破这种张力,就需要彻底理解引力波观测的系统不确定性。为了准确估计LIGO和Virgo测量的引力波信号的特性,我们需要了解探测器噪声的特性。探测器数据中的非高斯瞬态和仪器中的快速变化(称为非平稳噪声)都可能给推断结果增加系统不确定性。我们调查如何非平稳噪声影响的源的亮度距离的估计,因此$H_0$。使用200个模拟的双星中子星信号,我们表明,非平稳噪声可以偏差的光度距离的估计高达2.4%。然而,只有$\sim$ 15\%的双中子星信号在合并时受到非平稳噪声的影响,其水平与LIGO-Virgo第三次观测运行的前半部分相似。比较预期的偏差,其他系统的不确定性,我们认为,在当前一代的探测器的非平稳噪声将不会是一个限制因素,在解决$H_0$上的紧张局势,使用标准的警笛。尽管如此,评估引力波数据的非平稳性对于获得$H_0$的准确估计至关重要。
2022-09-01 astro-ph.CO 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
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
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
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
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
Target-based Optimization of Advanced Gravitational-Wave Detector Network Operations
我们介绍了两个新的时间依赖性的优点先进的引力波(GW)探测器网络操作的在线和离线优化的数字(i)检测连续信号从已知的源位置和(ii)检测GW的中子星二元聚结从已知的本地星系,从而具有最高的潜在电磁对应检测。对于这些科学目标中的每一个,我们描述了一个$N$ -检测器网络,以及它的所有$(N-1)$ -检测器子网络,以识别子网络和单个检测器(关键贡献者),这些检测器对实现科学目标贡献最大。我们的研究结果表明,aLIGO-Hanford预计将成为2017年在LIGO和Virgo探测器网络中探测蟹状星云脉冲星GW的关键贡献者。对于同一时间段和同一网络,两个LIGO探测器都是探测船帆座脉冲星GWs的关键贡献者,也是探测10个高兴趣恒星信号的关键贡献者。从银河系中心探测连续GW的关键贡献者只能在每个恒星日内的有限时间间隔内识别,无论是2017年的LIGO和Virgo探测器的3探测器网络,还是2019-2020年的LIGO,Virgo和KAGRA探测器的4探测器网络。LIGO-Virgo探测器相对于目标(ii)的表征确定了两个LIGO探测器作为关键贡献者。此外,对于所有的分析,我们确定一天内的时间段,锁定损失或预定的服务操作可能会导致最少量的信噪比或瞬态检测概率损失的检测器网络。
2017-02-28 astro-ph.IM
Localization of short duration gravitational-wave transients with the early advanced LIGO and Virgo detectors
激光干涉引力波观测站和Virgo是先进的地面引力波探测器,将于2015年开始收集科学数据。随着第一次探测的预期,重要的是量化如何以及一般的引力波瞬变可以定位在天空中。这对于正确识别电磁对应物以及理解引力波物理和源群至关重要。我们提出了一个研究的天空定位能力的两个搜索和参数估计算法:\emph{coherent WaveBurst},一个约束的似然算法操作接近实时,和\emph{LALInferenceBurst},马尔可夫链蒙特卡罗参数估计算法开发恢复通用瞬态信号的延迟几个小时。此外,我们专注于先进探测器时代的前几年,当时我们预计只有两个(2015年)和三个(2016年)运行探测器,所有低于设计灵敏度。这些探测器配置可以产生显着不同的天空定位,我们量化的细节。正如预期的那样,我们观察到从两个检测器到三个检测器网络时,平均检测信号的定位有明显的改善。虽然定位取决于波形形态,但在2015年观察100 - 200度$^2$和2016年观察60 - 110度$^2$后,大约50%的检测信号将被成像,尽管波形知识可以将其减少到22度$^2$。这是第一次全面研究先进的LIGO和Virgo探测器早期网络的一般瞬态的天空定位能力,包括早期的LIGO只有两个探测器的配置。
2014-12-16 astro-ph.HE 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
Deep Transfer Learning: A new deep learning glitch classification method for advanced LIGO
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
先进的LIGO探测器的灵敏度使其能够探测到多个引力波信号。这些探测器的复杂设计减轻了大多数类型的噪声的影响。然而,先进的LIGO数据流被许多被称为毛刺的伪影所污染:具有复杂形态的非高斯噪声瞬态。鉴于其高发生率,毛刺可能导致错误的重合检测,模糊甚至模仿引力波信号。因此,成功地表征和消除高级LIGO数据中的毛刺至关重要。在这里,我们介绍了深度转移学习在故障分类中的第一个应用,表明来自为现实世界的对象识别训练的深度学习算法的知识可以转移,用于根据频谱图图像对时间序列中的故障进行分类。使用Gravity Spy数据集,包含从真实LIGO数据中获得的手动标记的多持续时间谱图,我们证明了这种方法能够最佳地使用非常深的卷积神经网络进行分类,给出小的训练数据集,显着减少了训练网络的时间,并实现了最先进的准确率超过98.8%,在22个类中有8个类具有完美的精确召回率。此外,新类型的毛刺,可以准确地分类给出几个标记的例子,这种技术。一旦通过迁移学习进行训练,我们证明卷积神经网络可以被截断,并用作无监督聚类方法的优秀特征提取器,以根据其形态识别新的类别,而无需任何标记的示例。因此,这为引力波探测器的动态毛刺分类提供了一个新的框架,随着它们逐渐改进以达到设计灵敏度,预计会遇到新类型的噪声。
2017-06-22 astro-ph.IM cs.CV cs.LG
LIGO series, dimension of embedding and Kolmogorov's complexity
对激光干涉仪引力波天文台记录的系列资料的解释是一个非常重要的问题。当然,这并非没有争议。在这里,我们应用两种方法广泛用于研究非线性动力系统,即,计算Takens的嵌入维数和Kolmogorov的复杂性的频谱,在事件GW150914中记录的系列。前者的增加和后者的下降被观察到,与声称的引力波的出现相一致。我们提出这些方法作为额外的工具,以帮助识别宇宙学感兴趣的信号。
2020-08-10 astro-ph.IM physics.data-an