人工ニューラルネットワークで駆動される重力波代理モデル:波形発生のためのANN-Sur【JST・京大機械翻訳】

Khan Sebastian; Green Rhys

プレプリント

J-GLOBAL ID：202202200266899991 整理番号：21P0046259

人工ニューラルネットワークで駆動される重力波代理モデル:波形発生のためのANN-Sur【JST・京大機械翻訳】

Gravitational-wave surrogate models powered by artificial neural networks: The ANN-Sur for waveform generation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年08月29日プレプリントサーバーでの情報更新日： 2020年11月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

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】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

重力理論の実験的試験及び観測

, , ,

前のページに戻る