中国科学院上海天文台和中国科学院大学等的科研人员在空间引力波探测信号识别领域取得进展。该团队开发出基于深度学习的创新方法，可高效探测和分析空间引力波探测器的极端质量比旋近（EMRIs）信号，将为未来空间引力波探测与数据分析提供参考。相关研究成果在线发表在《中国科学：物理、力学和天文学》上。
自2015年首次探测到引力波以来，地面引力波探测器已探测到超过100例引力波事件。这些地面探测器的探测频段在几十到几百赫兹之间。为探索低频引力波源，科学界正积极筹备空间引力波探测计划。
空间引力波探测的重要目标之一是极端质量比旋近系统。这类系统由一颗恒星级黑洞围绕中心的超大质量黑洞旋转而成。研究EMRIs系统，能够帮助科学家精确检验广义相对论，绘制超大质量黑洞周围的时空图，验证“无毛定理”，有望揭示超大质量黑洞的质量分布及其与宿主星系的共同演化历史。
而EMRI信号的探测和分析面临挑战。这类信号可持续数年之久，且特征复杂、强度微弱，需要大量的计算资源来生成高精度波形模板。传统的匹配滤波和贝叶斯参数估计方法需要海量的EMRI波形模板来覆盖多维参数空间且计算成本高昂。更棘手的是，EMRIs信号的精确建模困难，而传统方法依赖于模板的准确性。
针对上述挑战，该团队创新性地提出了基于深度学习的完整解决方案。在时频域进行信号分析时，团队设计的二层卷积神经网络展现出优异的探测性能。对信噪比50至100范围内的信号，在1%的误报率下可实现96.9%的真实探测率。为验证这一方法的普适性，科研人员进行模板依赖性测试。结果表明，即使注入与训练数据不同模型生成的信号，该方法仍可以保持稳定的探测性能。这表明，该方法对理论模型的依赖程度较低，并提升了实际探测的应用价值。
进一步，在探测到信号后，该团队采用UNet网络在噪声中提取EMRI信号，并通过神经网络实现关键参数的精确估计。超大质量黑洞的质量估计准确率达99%，自旋参数估计准确率达92%。同时，神经网络可以准确预测轨道初始偏心率等参数。这为未来的引力波数据分析提供了新思路。
论文链接
EMRI示意图（左）；一年的空间引力波探测数据和EMRI波形（右）
中国工程院院士、北京理工大学教授张军团队首创片上光谱复用感知架构，自主研制了全球首款百通道百万像素高光谱实时成像 近日，长沙理工大学官网更新信息显示，此前担任长沙理工大学党委副书记、校长的曹一家的名字已从学校“现任领导”栏目中撤 包括人类在内的脊椎动物的大脑都有两个脑半球，左右脑半球在结构上是对称的。由于大量的神经连接主要为同侧大 真核细胞依赖形态的动态变化来执行多种功能，以维持基本生物过程并调控细胞行为。单细胞捕食性原生动物长吻虫的形态与天鹅相似。其中，常见种天鹅长吻虫因此得名。长吻虫细胞在结构上划分为三个部分，即从后端到前端 《中华人民共和国学前教育法》（以下简称学前教育法）第七章详细规定了各级政府及有关部门对学前教育在安全管理、收费管理、经费预算、督导问责、质量评估、信息公开等方面的监管责任，为解决实践 中国教育报-中国教育新闻网讯（记者 冯丽）近日，2024年世界职业院校技能大赛争夺赛（高职组）短视频创作与运营赛项在陕西职业技术学院落幕。来自全国31个省市的61支参赛队经过激烈角逐，苏州工艺美术职 。本文链接：空间引力波探测信号识别研究获进展http://www.sushuapos.com/show-12-502-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。