抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ブラックホールと中性子星の特性は重力波(GW)天文学の重要な科学目標である。GW観測からできるだけ多くの情報を抽出するために,Bayes推論のコストを低減する方法を開発する必要がある。本論文では,人工ニューラルネットワーク(ANN)とグラフィックス処理ユニット(GPUs)の並列化電力を用いて,既存のモデルの加速バージョンを生産できる代理モデリング法を改善した。著者らの方法の最初の応用として,ANN-Sur,スピン整列バイナリブラックホール(BBH)波形モデルSEOBNRv4の時間領域代理モデルを構築した。2e-5の中央値ミスマッチと2e-3よりも悪いミスマッチを達成した。60M_odotの全質量で12Hzから発生した典型的なBHH波形に対して,元のSEOBNRv4モデルは1812msであった。既存のスポークコード最適化(SEOBNRv4opt)は,これを91.6msに減らし,補間ベース,周波数領域代理SEOBNRv4ROMは,6.9msでこの波形を発生できた。このANN-Surモデルは,CPU上で実行されるとき,GPU上で実行されるとき,2.7msとちょうど0.4msを取る。また,ANN-Surは波形の大きなバッチを同時に発生できる。最大10×4波形のバッチは,0.016msの波形当たりの時間に対応する163msのGPU上で評価できることを見出した。この方法は,Bayesパラメータ推定の計算効率を劇的に増加させるためにGPUの並列化電力を利用する有望な方法である。【JST・京大機械翻訳】