Multi-Scale Frequency-Aware

深度学习架构增强引力波信号去噪能力

研究人员发表了一项调查，详细介绍了用于引力波信号去噪的新型深度学习架构，旨在改进参数估计和广义相对论检验。该研究首次对在天体物理双星完整参数空间上训练的五种神经网络架构进行了受控比较。一项关键发现是，将网络结构与信号的频谱解剖结构（渐进、合并、振铃）相匹配，其性能优于更大的模型，并且提出的多尺度频率感知架构实现了最佳保真度。该架构在无需重新训练的情况下成功推广到真实的LIGO-Virgo-KAGRA数据，证明了其在引力波探测中可靠部署的潜力。