神经网络可在一秒钟内破译合并中子星的引力波
快速阅读: 据《科学日报》最新报道,国际科研团队开发了一种名为DINGO-BNS的机器学习算法,能显著缩短解析双中子星合并产生的引力波所需的时间,从约一小时缩短至约一秒。这一成果将于2025年3月5日在《自然》杂志上发表。该算法不仅提高了精度,还提升了30%的天空定位准确性。这将帮助科学家更迅速地找到并观测中子星合并产生的各种信号,包括可见光和电磁辐射。
该算法通过结合现代机器学习方法与物理学知识,克服了现有快速分析算法精度不足的问题。
国际科研团队开发了一种机器学习算法,称为DINGO-BNS(来自双中子星合并的引力波观测的深度推理),该算法可以节省解释双中子星合并发出的引力波的宝贵时间。他们训练了一个神经网络,在大约一秒钟内表征中子星系统的合并,而传统方法最快也需要大约一个小时。他们的研究成果将于2025年3月5日在《自然》杂志上发表,标题为“使用机器学习实时推断双中子星合并”。为什么实时计算很重要?除了引力波外,中子星合并还会发出可见光(在随后的千星爆炸中)和其他电磁辐射,如本视频所示。“快速且精准地分析引力波数据对于尽快定位源并引导望远镜以便观察所有伴随信号至关重要,”该出版物的第一作者马克斯·米利根说,他是苏黎世联邦理工学院、德国马克斯·普朗克智能系统研究所(MPI-IS)和ELLIS研究所图宾根分部的博士生。实时方法可能为中子星合并的数据分析树立新标杆,一旦LIGO-Virgo-KAGRA(LVK)合作组织的大探测器发现它们,这将给更广泛的天文界更多时间将望远镜指向正在合并的中子星。“目前LVK使用的快速分析算法会做出牺牲精度的近似。我们的新研究解决了这些不足,”马克斯·普朗克引力物理研究所(波茨坦科学园天体物理和宇宙相对论部门负责人)的乔纳森·盖尔表示。确实,机器学习框架无需此类近似即可在一秒内全面表征中子星合并(例如其质量、自旋和位置)。这使得能够更快地确定天空位置,精度提升30%。由于它工作得如此快速和准确,神经网络可以为引力波探测器与其他望远镜的联合观测提供关键信息。它可以有助于搜索由合并产生的光和其他电磁信号,并充分利用昂贵的望远镜观测时间。捕捉中子星合并现象“对双中子星进行引力波分析尤其具有挑战性,因此对于DINGO-BNS,我们需要开发多种技术创新。这包括例如一种事件自适应数据压缩方法,”英国研究与创新未来领袖研究员、诺丁汉大学的斯蒂芬·格林说。马克斯·普朗克智能系统研究所(MPI-IS)和ELLIS研究所图宾根分部主任伯恩哈德·肖尔科普夫补充道:“我们的研究展示了现代机器学习方法与物理学知识结合的有效性。”DINGO-BNS有朝一日可以帮助在两颗中子星碰撞前后观察到电磁信号。“这样的早期多信使观测可能会揭示合并过程及后续千星爆炸的新见解,”马克斯·普朗克引力物理研究所天体物理和宇宙相对论部门主任阿莱桑德拉·布翁亚农说。
(以上内容均由Ai生成)