連星中性子星からの後進信号をパラメータ化するための機械学習の利用【JST・京大機械翻訳】

Whittaker Tim; East William E.; Green Stephen R.; Lehner Luis; Yang Huan

プレプリント

J-GLOBAL ID：202202202567974827 整理番号：22P0275621

連星中性子星からの後進信号をパラメータ化するための機械学習の利用【JST・京大機械翻訳】

Using machine learning to parametrize postmerger signals from binary neutron stars

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 (5件)： , , , ,
資料名：
発行年： 2022年01月17日プレプリントサーバーでの情報更新日： 2022年01月17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。

バイナリ中性子星のポストマーガー振動からの重力波の検出と特性化に関心が集まっている。これらの信号には,残留の特性と,ポストマーガー過程の高密度および非平衡物理学に関する情報が含まれ,それは,任意の電磁信号を補完するであろう。しかし,バイナリー中性子星ポストマーガ波形の構築は,バイナリブラックホールより非常に複雑である。(i)高密度物理学の中性子星方程式と他の側面における理論的不確実性があり,(ii)数値シミュレーションは,高価であり,そして,利用可能なものは,限られた数値精度を有するパラメータ空間の小さな部分をカバーするだけであり,そして,(iii)理論的不確実性をパラメータ化し,そして,パラメータ空間を横断して補間する方法は不明である。本研究では,数値-相対論的シミュレーションに基づく超/質量中性子星レムナント信号に対するポストマーガーモデルを構築するために,条件付き変分オートエンコーダ(CVAE)と呼ばれる機械学習法の利用について述べた。CVAEは確率的モデルを提供し,それは一組の潜在パラメータの中で訓練データの不確実性を符号化する。このようなモデルの訓練は,最終的には, 1010 ̄4波形を必要とする。しかし,原理証明として合成訓練波形を用いて,CVAEが正確な生成モデルとして使用できることを示し,有用な潜在表現における状態方程式を符号化する。【JST・京大機械翻訳】

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

重力理論の実験的試験及び観測 , 恒星

, ,

前のページに戻る