Low-latency parameter inference enabled by a Gaussian likelihood approximation for RIFT
快速识别，表征和定位的引力波从二进制紧凑的对象合并可以使消息灵通的后续多信使观测。在这项工作中，我们调查了一个小的修改RIFT参数推理流水线，使极低的延迟推理，在这里测试的nonprecessing源。
2023-01-03 gr-qc
Fast likelihood evaluation using meshfree approximations for reconstructing compact binary sources
本文提出一种结合数值线性代数与无网格插值的快速似然评估算法，可在几分钟内完成双中子星系统贝叶斯参数估计，结果与暴力计算统计一致，并有望推广至其他贝叶斯推断领域。
2023-12-01 gr-qc
Rapid inference for individual binaries and a stochastic background with pulsar timing array data
针对脉冲星计时阵列数据，提出一种扩展傅里叶基的快速推断方法，实现单个双星信号与随机背景的联合探测，计算复杂度优于二次方，大幅提升效率。
2025-10-14 gr-qc
A novel scheme for rapid parallel parameter estimation of gravitational waves from compact binary coalescences
我们介绍了一个高度并行化的架构，用于估计参数的紧凑的二进制合并使用引力波数据和波形模型。使用球面谐波模式分解，波形被表示为取决于固有参数（例如质量）的模式的总和，其中系数取决于观察者依赖的外部参数（例如距离、天空位置）。然后对这些模式的数据进行预过滤，在固定的固有参数，使有效地评估通用源位置和方向的可能性，独立于波形长度或生成时间。我们有效地并行化我们的内在空间计算，通过整合所有外部参数，使用Monte Carlo积分策略。由于波形生成和预滤波只发生一次，因此积分成本在整个过程中占主导地位。此外，我们操作分层，使用现有的引力波搜索的信息，以确定参数空间的区域，强调在我们的采样。作为概念的证明和结果的验证，我们使用标准的时域波形实现了该算法，在最近的计算硬件上在不到一个小时的时间内处理每个事件。对于大多数事件，我们评估边缘化的可能性（证据），统计误差小于约5%，在许多情况下甚至更小。由于运行时间有限，与波形模型的起始频率无关，因此几乎不变的策略可以估计2018年高级LIGO时代的NS-NS参数。我们的算法可用于任何质量的任何噪声曲线和现有的时域模型，包括一些计算成本很高的波形。
2015-02-15 gr-qc
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
A meshfree approach for rapid reconstruction of compact binary sources detected in the network of international gravitational wave detectors
本文提出基于数值线性代数与无网格逼近的参数估计方法，加速波形生成与似然评估，以快速重建致密双星源参数，并通过模拟及真实引力波事件验证，助力多信使天文学与未来观测站。
2025-09-24 astro-ph.IM gr-qc
Likelihood-free inference for gravitational-wave data analysis and public alerts
本文验证了AMPLFI这一无似然推断算法在双黑洞引力波低延迟参数估计中的性能，证明其天空定位精度与现有BAYESTAR相当，并能准确重建源参数，适用于公共警报数据产品生成。
2025-09-26 astro-ph.IM gr-qc
An architecture for efficient gravitational wave parameter estimation with multimodal linear surrogate models
最近对引力波的直接观测进一步强调了对快速、低成本和精确的方法来推断引力波源参数的需求。由于波形生成和数据处理的费用，评估似然函数的成本限制了这些计算的计算性能。建立在最近开发的代理模型和一种新的参数估计管道，我们展示了如何快速生成的似然函数作为一个分析，封闭形式的表达。使用一个简单的生产规模的参数估计代码的变体，我们证明了我们的方法使用代理模型的有效一体化和数值相对论波形。我们的研究是第一次将这些模型用于参数估计，并且是第一次使用多模态数值相关性波形进行参数估计计算，其中包括所有l <= 4模式。我们的无网格方法可以快速估计任何波形的参数与适当的降阶模型。本文中描述的方法也可以在其他数据分析研究中使用，例如审查符合事件或计算合并紧凑二进制检测统计。
2017-06-22 gr-qc
Rapid Hubble constant inference from GW170817 using GPU-accelerated nested sampling: prior sensitivity and the limits of post-hoc reweighting
University of Cambridge（剑桥大学）；Kavli Institute for Cosmology, University of Cambridge（剑桥大学卡弗里宇宙学研究所）；Department of Physics, University of Cambridge（剑桥大学物理系）；Institute of Astronomy, University of Cambridge（剑桥大学天文学研究所）
本文使用GPU加速嵌套采样在13分钟内完成GW170817的完整分析，发现从体积先验切换到均匀距离先验会显著改变哈勃常数后验的高尾概率和中位数，而事后重加权只能恢复约17%的偏移，表明应使用全样本重跑而非重加权。
2026-07-07 astro-ph.CO astro-ph.IM gr-qc
Simulation-based Inference towards Gravitational-wave waveform systematics in Intermediate-Mass Binary Black Holes
Cardiff University（卡迪夫大学）；University of Nottingham（诺丁汉大学）；University of Tokyo（东京大学）
本文提出基于模拟推断和神经后验估计的框架，用于快速且系统学-aware的引力波推断，显著减少计算时间并提高准确性。
2026-03-27 gr-qc
Use of the MultiNest algorithm for gravitational wave data analysis
我们描述了MultiNest算法在引力波数据分析中的应用。MultiNest是一种多模态嵌套抽样算法，旨在有效地评估贝叶斯证据并返回包含多个次级模式的似然曲面的后验概率密度。该算法采用了一组活点，通过将该组分割成多个重叠的椭球体并从其中均匀采样来更新。这组活点通过嵌套的等似然轮廓爬上似然曲面，并且可以从点集演化中恢复证据和后验分布。该算法是模型无关的，在这个意义上，正在处理的特定问题只通过似然计算进入，并没有改变如何更新活点集。在本文中，我们考虑使用该算法的引力波数据分析通过搜索一个模拟的LISA数据集包含两个非旋转的超大质量黑洞二进制信号。该算法能够快速识别解的所有模态，并以较高的精度恢复源的真实参数。
2009-07-23 astro-ph.IM gr-qc
Rapid parameter estimation for pulsar-timing-array datasets with variational inference and normalizing flows
本研究提出一种基于随机梯度下降贝叶斯变分推断的脉冲星计时阵列参数估计方法，利用神经网络拟合后验分布，可在GPU上快速完成NANOGrav 15年数据集分析，为引力波数据分析提供高效新途径。
2024-05-14 astro-ph.HE 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
Robust, Rapid, and Simple Gravitational-wave Parameter Estimation
本研究提出一种基于度量重要性采样的引力波源快速参数估计方法，易并行、效率高，可提升现有引力波观测网络低延迟数据产品质量，也适用于下一代观测的海量源分析及其他可构建近似似然度量空间的问题。
2025-07-30 astro-ph.IM gr-qc
Towards rapid transient identification and characterization of kilonovae
随着先进的引力波探测器的灵敏度不断提高，人们有望在十年内首次联合探测到来自致密双星合并的电磁波和引力波信号。然而，目前的引力波可能性天空区域跨越$\sim 100-1000\,\textrm{deg}^2$，因此，它是一个具有挑战性的任务，以确定哪个，如果有的话，瞬态对应于引力波事件。在这项研究中，我们最近的kilonovae/macronovae光曲线模型之间的比较，以评估潜在的光曲线模板对应的识别。我们表明，最近的分析和参数化模型，这些同行的结果与更复杂的辐射转移模拟定性协议。我们的分析表明，与改进的光变曲线模型具有较小的不确定性，它将成为可能的直接从光变曲线测量提取有关喷出物的属性和二进制参数的信息。在引力波和kilonovae参数估计结果相结合的情况下，得到更严格的约束。然而，为了为即将到来的探测做好准备，需要更现实的kilonovae模型。这将需要数值相对论与更详细的微观物理，更好的辐射转移模拟，以及更好地理解基础的核物理。
2017-08-25 astro-ph.HE gr-qc
A rapid method for preliminary identification of subthreshold strongly lensed counterparts to superthreshold gravitational-wave events
本文提出一种基于高斯/Fisher 近似、啁啾质量后验比较及 Bayestar 天区互相关的快速筛选方法，用于为超阈值引力波事件匹配亚阈值强透镜对应体。
2023-06-07 astro-ph.HE gr-qc
Adapting a novel framework for rapid inference of massive black hole binaries for LISA
本文为LISA适配RIFT框架，利用并行架构实现无需似然或波形加速的快速贝叶斯推断，并通过零噪声注入和挑战数据集验证了其对超大质量黑洞双星参数推断的准确性与效率。
2025-03-27 astro-ph.HE astro-ph.IM gr-qc
Search for gravitational waves from twelve young supernova remnants with a hidden Markov model in Advanced LIGO's second observing run
来自快速旋转的中子星的持续引力波，例如在一些年轻的超新星遗迹中发现的那些，可能会落入先进的激光干涉仪引力波天文台（aLIGO）的灵敏度波段。由于频率和频率导数是未知的，并且由于源的年轻而迅速演变，因此这些信号的估计在计算上具有挑战性。隐马尔可夫模型（HMM），结合最大似然匹配滤波器，跟踪快速的频率演变半相干的计算效率的方式。我们提出了一个HMM搜索的结果，针对12个年轻的超新星遗迹的数据从先进的LIGO的第二次观测运行。六个目标产生高于搜索阈值的候选项，并在预定义的数据质量否决中幸存下来。然而，这些候选人的后续分析表明，他们都是一致的仪器噪声文物。
2020-10-22 astro-ph.HE astro-ph.IM gr-qc
Binary Black Hole inspirals cannot hide their eccentricity
Indian Institute of Technology, Bombay（印度理工学院孟买分校）
本文提出了一种快速且准确的偏心率估计方法，利用时频域中的有效啁啾质量模型和改进的像素收集方法，能够在短时间内对双黑洞并合事件的偏心率进行有效约束。
2026-03-10 astro-ph.IM gr-qc
Complete parameter inference for GW150914 using deep learning
LIGO和Virgo引力波天文台在过去五年中探测到了许多令人兴奋的事件。随着检测率随着检测器灵敏度的增长而增长，这对数据分析提出了越来越大的计算挑战。考虑到这一点，在这项工作中，我们应用深度学习技术对引力波进行快速无似然贝叶斯推断。我们训练一个神经网络条件密度估计模型后验概率分布在整个15维空间的二进制黑洞系统参数，从多个探测器的探测器应变数据。我们使用规范化流的方法-具体地说，神经样条规范化流-它允许快速采样和密度估计。训练网络是无可能性的，需要来自数据生成过程的样本，但不需要可能性评估。通过训练，网络学习一组全局后验：它可以为任何与用于训练的先验和检测器噪声特征一致的应变数据每秒生成数千个独立的后验样本。通过使用GW 150914时估计的检测器噪声功率谱密度进行训练，并以事件应变数据为条件，我们使用神经网络生成与使用常规采样技术的分析一致的准确后验样本。
2020-08-07 astro-ph.IM gr-qc stat.ML
On the likelihood of detecting gravitational waves from Population III compact object binaries
我们研究了宇宙中第一个无金属恒星（Pop III）的双黑洞（BH-BH）合并对引力波探测率的贡献。我们的研究结合了初始条件的Pop III星形成的基础上N体模拟的二进制形成（包括率，二进制分数，初始质量函数，轨道分离和偏心率分布）与更新的恒星演化特定的Pop III星的模型。我们发现这些Pop III BH-BH系统的合并速率在低红移（z<2）时相对较小（< 0.1 Gpc^-3 yr^-1），可以与LIGO的经验估计值9-240 Gpc^-3 yr^-1进行比较（Abbott等人，2016）。对于Pop III双中子星和黑洞中子星合并，预测的速率甚至更小。我们的速率与Hartwig等人的速率兼容。（2016），但显著小于先前工作中发现的速率（Bond & Carr 1984; Belczynski et al. 2004; Kinugawa et al. 2014，2016）。我们通过详细的模型比较解释了这种差异的原因，并指出（i）通过先进的LIGO可能无法识别Pop III BH-BH合并，以及（ii）Pop III合并的随机引力波背景水平可能低于最近估计的水平（Kowalska et al. 2012; Inayoshi et al. 2016; Dvorkin et al. 2016）。我们进一步估计了第三代干涉探测器的引力波探测率。我们的计算与低到中等旋转的Pop III…
2016-12-05 astro-ph.HE gr-qc
Rapid parameter estimation with the full symphony of compact binary mergers using meshfree approximation
提出基于径向基函数无网格似然插值的快速贝叶斯推断框架，使用IMRPhenomXHM波形模型加速引力波参数估计，在保持无偏性的同时大幅降低计算成本，适用于3G探测器时代。
2025-08-06 astro-ph.IM gr-qc stat.AP
Growing Pains: Understanding the Impact of Likelihood Uncertainty on Hierarchical Bayesian Inference for Gravitational-Wave Astronomy
本文研究分层贝叶斯引力波种群推断中的 Monte Carlo 统计不确定性，提出验证目录推断准确度的框架，并发现选择偏差估计是窄种群模型分析的主要瓶颈。
2023-09-28 astro-ph.IM gr-qc physics.data-an
Rapid inference and comparison of gravitational-wave population models with neural variational posteriors
提出一种基于归一化流的变分贝叶斯方法，利用硬件加速实现引力波种群模型后验的快速推断与比较，显著降低似然评估次数，为引力波观测的天体物理解释提供高效工具。
2025-06-27 astro-ph.HE astro-ph.IM gr-qc
Fast Bayesian analysis of individual binaries in pulsar timing array data
在脉冲星定时阵列数据中搜索引力波是计算密集型的。数据是不均匀采样的，噪声是异方差的，需要使用时域似然函数，伴随着昂贵的矩阵运算。当搜索单个超大质量黑洞双星时，由于每个脉冲星需要额外的脉冲星距离，相位偏移和噪声模型参数，因此具有较大的参数空间，计算成本加剧。我们引入了一个新的制定的似然函数，可用于使贝叶斯分析显着更快。我们将参数分为投影参数和形状参数。然后，我们加快探索的投影参数超过四个数量级的预先计算昂贵的内积为每组形状参数。投影参数包括干扰参数，例如每个脉冲星处的引力波相位偏移。在新方案中，这些麻烦的滋扰参数有效地边缘化使用多尝试马尔可夫链蒙特卡罗抽样的一部分，内吉布斯方案的大都市。随着脉冲星计时数据集的快速增长，我们的方法提供的加速将变得越来越重要。我们的方法也使复杂的分析更容易处理，如搜索多个二进制，或二进制不可忽略的偏心率。
2022-06-20 astro-ph.HE gr-qc
A Parallelized Bayesian Approach To Accelerated Gravitational-Wave Background Characterization
利用脉冲星定时阵列表征纳赫兹频率的引力波（GW）需要不断扩展数据集和监视器。而随机GW背景的检测是基于测量脉冲星间相关性的独特模式，表征背景的频谱是由编码在单个脉冲星时间序列的功率谱中的信息驱动的。我们提出了一种新的技术，快速贝叶斯随机GW背景的特征，是完全并行的脉冲星数据集。这种因子化的李克图（FL）技术使一个模块化的方法来参数估计的GW背景，多阶段的模型选择的频谱常见的随机过程和四极脉冲星间的相关性，和统计交叉验证的测量信号之间的独立脉冲星子阵列。我们证明了这种技术的有效性与完整的脉冲星定时阵列的可能性，但在所需的时间的一小部分。我们的技术快速，易于实现，并且可以将新数据和数据库与传统数据集相结合，而无需重新分析后者。
2022-03-31 astro-ph.GA astro-ph.IM gr-qc
Neural Importance Sampling for Rapid and Reliable Gravitational-Wave Inference
Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）；Max Planck Institute for Gravitational Physics (Albert Einstein Institute)（马克斯·普朗克引力物理研究所（阿尔伯特·爱因斯坦研究所））；University of Rhode Island（罗德岛大学）；University of Tübingen（图宾根大学）；University of Maryland（马里兰大学）
本文提出将神经后验估计与重要性采样结合用于引力波推断，通过重要性权重校正网络误差并提供证据无偏估计，在42个双黑洞并合事件上实现约10%的样本效率中位数和证据不确定性降低十倍。
2023-05-30 astro-ph.IM cs.LG gr-qc
Training a neural network to rapidly identify candidate gravitational-wave events in the lower mass gap
McGill University（麦吉尔大学）；Trottier Space Institute at McGill（麦吉尔大学特罗蒂尔太空研究所）；University of British Columbia（不列颠哥伦比亚大学）；California Institute of Technology（加州理工学院）；Université Laval（拉瓦尔大学）；Mila（米拉人工智能研究所）
本文提出GWSkyNet-MassGap模型，通过预测候选合并体的质量间隙概率和中子星概率，帮助快速区分引力波事件是否涉及质量间隙区域，从而指导后续观测。
2026-05-01 astro-ph.HE astro-ph.IM gr-qc
Accelerating LISA inference with Gaussian processes
本研究提出利用主动学习高斯过程框架GPry加速LISA引力波源推断，仅需极少似然评估即可在精度相当下实现百倍加速，显著降低计算成本。
2025-07-13 astro-ph.HE astro-ph.IM gr-qc
