Ученые представили нейросеть EasyResNet, предназначенную для поиска гравитационных волн от слияния черных дыр и нейтронных звезд. Алгоритм анализирует карты отношения сигнал-шум, обучаясь распознавать паттерны астрофизических событий на фоне помех.
Метод объединяет нейросеть с классической согласованной фильтрацией. В отличие от традиционного подхода, EasyResNet не требует применения статистического теста хи-квадрат для отсеивания ложных срабатываний, так как система самостоятельно отличает сигналы от шума.
В ходе четырех серий симуляций алгоритм показал эффективность, сопоставимую с классическими методами. В условиях наличия глитчей или отклонений реальных сигналов от расчетных шаблонов нейросеть продемонстрировала лучшие результаты при меньших вычислительных затратах.
Скорость обработки одной карты составляет около 3 миллисекунд на обычном процессоре. Это преимущество может стать ключевым для будущих детекторов, таких как Телескоп Эйнштейна, где объемы данных и вычислительная нагрузка будут расти.
На текущем этапе исследование является проверкой концепции. В дальнейшем авторы планируют протестировать нейросеть в поисковых конвейерах коллаборации LIGO-Virgo-KAGRA, чтобы оценить реальную чувствительность и эффективность системы на данных с детекторов.
