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

点击翻译按钮获取中文摘要

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。