High Performance Extraction Method of Ringdown Gravitational Waves by combining Deep Learning and Adaptive Mode Decomposition

深度学习与自适应模态分解相结合的高性能衰荡引力波提取方法

• 批准号: 21K13926
• 负责人: 酒井 一樹
• 金额: $ 2.91万
• 依托单位: Nagaoka National College of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K13926/
• 关键词: 重力波; ディープラーニング; 適応型モード分解; ニューラルネットワーク

ディープラーニングと適応型モード分解の融合による高精度なリングダウン重力波抽出法の構築に向け，前年度に作成した，ディープラーニングによってバターワースバンドパスフィルターを設計するプログラムに関して，その改良やさらなる発展に向けた検証を行った。まず第一に，フィルター設計に適したディープラーニングのモデルの検討として，再帰型ニューラルネットワークの一種であるLong-short term memory (LSTM)と，自然言語処理の分野で大きな成果を挙げているTransformerの２つのモデルについて，ノイズを含む観測データからそこに含まれる重力波波形を再構成するタスクに対する性能評価を行った。どちらも有効であったがLSTMの方がわずかに精度が高いことがわかった。また，ディープラーニングによってリングダウン重力波の性質を抽出する際に重要となるパラメータを調査するために，ノイズを含む観測データからリングダウン重力波の開始時刻を推定するディープラーニングを構築した。さらに，Grad-CAMという画像分類の分野においてディープラーニングの判断根拠を示すことに効果を挙げている手法の，回帰問題版であるGrad-RAMと呼ばれる手法を用いて観測データのどの部分がより重要かを可視化することに取り組んだが，Grad-RAMはGrad-CAMと比べて有益な情報を得ることが難しいことがわかった。最後に，前年度から継続して適応型モード分解の効果的な活用の検討として，Hilbert-Huang変換の拡張に取り組んだ。前年度は極値間の補間に関して，３次スプライン補間から秋間補間に変更した場合の評価を行ったが，今年度はさらにステファン補間に変更した場合の評価も行った。秋間補間と同等以上の性能が見込めることが明らかになった。

The construction direction of gravity wave extraction method was prepared in the previous year, and the development direction of gravity wave extraction method was improved. In the first place, the design of the Transformer includes a long-term memory (LSTM) and a performance evaluation of the transformer, including a gravity wave waveform. There is a high degree of precision in LSTM. It is important to investigate the nature of gravity waves and to estimate the starting time of gravity waves. In addition, Grad-CAM and Grad-RAM can be used to classify images and determine whether they are useful. Grad-RAM and Grad-CAM can be used to determine whether they are useful. Finally, in the previous year, we reviewed the practical application of the effects of the decomposition of suitable models, and Hilbert-Huang's changes were analyzed. The previous year's intermission was reviewed for three times. This year's intermission was reviewed. The autumn supplement is equal to the above performance.

项目成果

高野光生，酒井一樹

高野光夫、酒井一树

• 发表时间: 2023
• 作者: Ho Pei-Ming;Matsuo Yoshinori;Yokokura Yuki;Yuki Yokokura;横倉祐貴;Yuki Yokokura;Yuki Yokokura;Yuki Yokokura;横倉祐貴;横倉祐貴;Yuki Yokokura;Yuki Yokokura;Yuki Yokokura;横倉祐貴;梁取大貴，酒井一樹;リングダウン重力波の開始時刻推定のためのニューラルネットワークの最適な構成の検討;重力波波形抽出のためのフィルタを生成するニューラルネットワークの検討
• 通讯作者: 重力波波形抽出のためのフィルタを生成するニューラルネットワークの検討

大湊悠貴，酒井一樹

大凑由纪、酒井一树

• 发表时间: 2023
• 作者: Ho Pei-Ming;Matsuo Yoshinori;Yokokura Yuki;Yuki Yokokura;横倉祐貴;Yuki Yokokura;Yuki Yokokura;Yuki Yokokura;横倉祐貴;横倉祐貴;Yuki Yokokura;Yuki Yokokura;Yuki Yokokura;横倉祐貴;梁取大貴，酒井一樹;リングダウン重力波の開始時刻推定のためのニューラルネットワークの最適な構成の検討
• 通讯作者: リングダウン重力波の開始時刻推定のためのニューラルネットワークの最適な構成の検討

ニューラルネットワークによるリングダウン重力波抽出のためのバンドパスフィルタの構築

利用神经网络构建用于衰荡引力波提取的带通滤波器

• 发表时间: 2022
• 作者: Ho Pei-Ming;Matsuo Yoshinori;Yokokura Yuki;Yuki Yokokura;横倉祐貴;Yuki Yokokura;Yuki Yokokura;Yuki Yokokura;横倉祐貴;横倉祐貴;Yuki Yokokura;Yuki Yokokura;Yuki Yokokura;横倉祐貴;梁取大貴，酒井一樹;リングダウン重力波の開始時刻推定のためのニューラルネットワークの最適な構成の検討;重力波波形抽出のためのフィルタを生成するニューラルネットワークの検討;酒井一樹，オドンチメドソドタウィラン，高野光生，髙橋弘毅;高野光生，酒井一樹
• 通讯作者: 高野光生，酒井一樹

重力波データ解析への応用に向けた Hilbert-Huang 変換における補間法の比較検討

用于引力波数据分析的希尔伯特-黄变换插值方法的比较研究

• 发表时间: 2023
• 作者: Ho Pei-Ming;Matsuo Yoshinori;Yokokura Yuki;Yuki Yokokura;横倉祐貴;Yuki Yokokura;Yuki Yokokura;Yuki Yokokura;横倉祐貴;横倉祐貴;Yuki Yokokura;Yuki Yokokura;Yuki Yokokura;横倉祐貴;梁取大貴，酒井一樹
• 通讯作者: 梁取大貴，酒井一樹

ニューラルネットワークによる重力波波形抽出のためのフィルタ生成の検討

利用神经网络提取引力波波形的滤波器生成研究

• 发表时间: 2022
• 作者: Ho Pei-Ming;Matsuo Yoshinori;Yokokura Yuki;Yuki Yokokura;横倉祐貴;Yuki Yokokura;Yuki Yokokura;Yuki Yokokura;横倉祐貴;横倉祐貴;Yuki Yokokura;Yuki Yokokura;Yuki Yokokura;横倉祐貴;梁取大貴，酒井一樹;リングダウン重力波の開始時刻推定のためのニューラルネットワークの最適な構成の検討;重力波波形抽出のためのフィルタを生成するニューラルネットワークの検討;酒井一樹，オドンチメドソドタウィラン，高野光生，髙橋弘毅
• 通讯作者: 酒井一樹，オドンチメドソドタウィラン，高野光生，髙橋弘毅