Machine learning for nanohertz gravitational wave detection and parameter estimation with pulsar timing array
Machine learning for nanohertz gravitational wave detection and parameter estimation with pulsar timing array
复制标题
利用脉冲星定时阵列进行纳赫兹引力波探测和参数估计的机器学习
DOI：
10.1007/s11433-020-1609-y
复制
发表时间：
2020-03
影响因子：
6.4
通讯作者：
Li Jin
中科院分区：
文献类型：
--
作者：
Chen Mengni;Zhong Yuanhong;Feng Yi;Li Di;Li Jin
研究表明，在不久的将来，使用脉冲星定时阵列（PTAs）是最有可能探测到极低频引力波的方法之一。尽管PTAs捕获引力波（GWs）尚未报道，但已有许多相关的理论研究和一些有意义的探测极限报道。在这项研究中，我们关注的是来自单个超大质量双黑洞的纳赫兹gww。给定特定的脉冲星（PSR J1909-3744,PSR J1713+0747,PSR J0437-4715），可以模拟高斯白噪声下PTAs中相应的gw诱导时差。此外，我们报告了使用基于神经网络的机器学习对模拟PTA数据进行分类和潜在GW源的参数估计。卷积神经网络作为分类器，当我们的模拟数据的组合信噪比≥1.33时，显示出较高的准确率。利用递归神经网络估计脉冲星源啁啾质量(M)和亮度距离（D_p），并利用贝叶斯神经网络（BNNs）获得啁啾质量估计的不确定性。了解不确定性对天体物理观测至关重要。在我们的例子中，啁啾质量估计的平均相对误差小于13:6%。虽然这些结果是在模拟PTA数据中取得的，但我们相信它们对于实现PTA数据分析中的智能处理具有重要意义。
Studies have shown that the use of pulsar timing arrays (PTAs)is among the approaches with the highest potential to detect very low-frequency gravitational waves in the near future.Although the capture of gravitational waves (GWs)by PTAs has not been reported yet,many related theoretical studies and some meaningful detection limits have been reported.In this study,we focused on the nanohertz GWs from individual supermassive binary black holes.Given specific pulsars (PSR J1909-3744,PSR J1713+0747,PSR J0437-4715),the corresponding GW-induced timing residuals in PTAs with Gaussian white noise can be simulated.Further,we report the classification of the simulated PTA data and parameter estimation for potential GW sources using machine learning based on neural networks.As a classifier,the convolutional neural network shows high accuracy when the combined signal to noise ratio ≥1.33 for our simulated data.Further,we applied a recurrent neural network to estimate the chirp mass (M)of the source and luminosity distance (D_p)of the pulsars and Bayesian neural networks (BNNs)to obtain the uncertainties of chirp mass estimation.Knowledge of the uncertainties is crucial to astrophysical observation.In our case,the mean relative error of chirp mass estimation is less than 13:6%.Although these results are achieved for simulated PTA data,we believe that they will be important for realizing intelligent processing in PTA data analysis.
登录
查看更多内容
DOI：
--
发表时间：
2019-02
期刊：
ArXiv
影响因子：
--
作者：
Gabrielle Allen;I. Andreoni;E. Bachelet;G. Berriman;F. Bianco;R. Biswas;M. Kind;K. Chard;
通讯作者：
Gabrielle Allen;I. Andreoni;E. Bachelet;G. Berriman;F. Bianco;R. Biswas;M. Kind;K. Chard;
影响因子：
5
作者：
S. Vigeland;K. Islo;S. Taylor;J. Ellis
通讯作者：
S. Vigeland;K. Islo;S. Taylor;J. Ellis
DOI：
10.1063/1.3455546
发表时间：
2010-12
期刊：
--
影响因子：
--
作者：
A. Rodin
通讯作者：
A. Rodin
影响因子：
5
作者：
A. Torres-Forn'e;E. Cuoco;A. Marquina;J. Font;J. Ib'anez
通讯作者：
A. Torres-Forn'e;E. Cuoco;A. Marquina;J. Font;J. Ib'anez
影响因子：
5
作者：
He Wang;Shichao Wu;Zhoujian Cao;Xiaolin Liu;Jianhua Zhu
通讯作者：
He Wang;Shichao Wu;Zhoujian Cao;Xiaolin Liu;Jianhua Zhu