Новая нейронная сеть анализирует гравитационные волны в реальном времени
Астрофизики создали программу, способную обрабатывать сигналы от слияния черных дыр в реальном времени
Черные дыры являются самыми плотными объектами во Вселенной — например, черная дыра с массой нашего Солнца имеет радиус всего 3 километра. Черные дыры, вращающиеся вокруг друг друга, испускают гравитационное излучение — колебания пространства и времени, предсказанные Альбертом Эйнштейном в 1916 году. Это приводит к тому, что их орбита становится меньше, два объекта сближаются и в конечном итоге черные дыры сливаются друг с другом.
Эти гравитационные волны распространяются по Вселенной со скоростью света и регистрируются обсерваториями в США (LIGO) и Италии (Virgo). Ученые сравнивают данные, собранные обсерваториями, с теоретическими прогнозами, чтобы оценить свойства источника, в том числе, насколько велики черные дыры и с какой скоростью они вращаются. Сегодня эта процедура занимает не менее нескольких часов, а часто затягивается на несколько месяцев.
В новом исследовании команда физиков представила алгоритм, способный сократить время ожидания до нескольких секунд. Исследователи обучили нейронную сеть множеству моделей предсказания сигналов гравитационных волн для гипотетических двойных систем черных дыр в сочетании с шумом от детекторов. Нейросеть изучает корреляции между измеренными данными гравитационных волн и параметрами, характеризующими основную систему черных дыр. Для обучения алгоритму под названием DINGO авторам потребовалось десять дней.
Теперь программа готова к использованию: сеть всего за несколько секунд выводит размер, момент вращения и все другие параметры, описывающие систему черных дыр. Алгоритм способен справляться с этим довольно быстро благодаря данным недавних наблюдений. Высокоточный анализ расшифровывает рябь в пространстве-времени за несколько секунд с высокой скоростью и точностью. Исследователи убеждены, что высокая производительность нейронной сети, а также ее способность лучше справляться с колебаниями шума в детекторах сделают этот метод очень полезным инструментом для будущих наблюдений гравитационных волн.
