論文の概要: Orbital dynamics of binary black hole systems can be learned from gravitational wave measurements

• arxiv url: http://arxiv.org/abs/2102.12695v1
• Date: Thu, 25 Feb 2021 05:46:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-26 22:15:25.414586
• Title: Orbital dynamics of binary black hole systems can be learned from gravitational wave measurements
• Title（参考訳）: 二元ブラックホール系の軌道力学は重力波測定から学ぶことができる
• Authors: Brendan Keith, Akshay Khadse, Scott E. Field
• Abstract要約: 2次ブラックホール(BBH)系の力学モデルを発見する重力波形反転戦略を紹介します。 BBHシステムの動作方程式を構築するためには,1つの時系列(おそらくノイズの多い)波形データのみが必要であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce a gravitational waveform inversion strategy that discovers mechanical models of binary black hole (BBH) systems. We show that only a single time series of (possibly noisy) waveform data is necessary to construct the equations of motion for a BBH system. Starting with a class of universal differential equations parameterized by feed-forward neural networks, our strategy involves the construction of a space of plausible mechanical models and a physics-informed constrained optimization within that space to minimize the waveform error. We apply our method to various BBH systems including extreme and comparable mass ratio systems in eccentric and non-eccentric orbits. We show the resulting differential equations apply to time durations longer than the training interval, and relativistic effects, such as perihelion precession, radiation reaction, and orbital plunge, are automatically accounted for. The methods outlined here provide a new, data-driven approach to studying the dynamics of binary black hole systems.
• Abstract（参考訳）: 2次ブラックホール(BBH)系の力学モデルを発見する重力波形反転戦略を紹介します。 BBHシステムの動作方程式を構築するためには,1つの時系列(おそらくノイズの多い)波形データのみが必要であることを示す。 フィードフォワードニューラルネットワークによってパラメータ化される普遍微分方程式のクラスから始め、この戦略は、可算な力学モデルの空間の構築と、波形誤差を最小化するためにその空間内で物理学的に変形した制約付き最適化を含む。 偏心軌道および非偏心軌道における極端質量比系を含む様々なBBH系に本手法を適用した。 得られた微分方程式はトレーニング間隔よりも長い時間に適用されることを示すとともに, 近日点沈降, 放射反応, 軌道衝突などの相対論的効果を自動的に考慮する。 ここで概説する手法は、連星ブラックホール系のダイナミクスを研究する新しいデータ駆動アプローチを提供する。

関連論文リスト

• Stochastic Reconstruction of Gappy Lagrangian Turbulent Signals by Conditional Diffusion Models [1.7810134788247751]
  本研究では, 乱流によって受動的に対流する小物体の軌道に沿って, 空間・速度の欠落を再現する手法を提案する。 近年提案されているデータ駆動機械学習技術である条件付き生成拡散モデルを利用する。
  論文  参考訳（メタデータ） (2024-10-31T14:26:10Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Physics Informed RNN-DCT Networks for Time-Dependent Partial Differential Equations [62.81701992551728]
  時間依存偏微分方程式を解くための物理インフォームド・フレームワークを提案する。 我々のモデルは離散コサイン変換を用いて空間的および反復的なニューラルネットワークを符号化する。 ナヴィエ・ストークス方程式に対するテイラー・グリーン渦解の実験結果を示す。
  論文  参考訳（メタデータ） (2022-02-24T20:46:52Z)
• Neural-Network Quantum States for Periodic Systems in Continuous Space [66.03977113919439]
  我々は、周期性の存在下での強い相互作用を持つシステムのシミュレーションのために、神経量子状態の族を紹介する。 一次元系では、基底状態エネルギーと粒子の放射分布関数を非常に正確に推定する。 二つの次元において基底状態エネルギーの優れた推定値を得るが、これはより伝統的な手法から得られる結果に匹敵する。
  論文  参考訳（メタデータ） (2021-12-22T15:27:30Z)
• DySMHO: Data-Driven Discovery of Governing Equations for Dynamical Systems via Moving Horizon Optimization [77.34726150561087]
  本稿では,スケーラブルな機械学習フレームワークである移動水平最適化(DySMHO)による動的システムの発見について紹介する。 DySMHOは、基底関数の大きな辞書から基礎となる支配方程式を逐次学習する。 標準非線形力学系の例は、DySMHOが規則を正確に回復できることを示すために用いられる。
  論文  参考訳（メタデータ） (2021-07-30T20:35:03Z)
• Machine Learning S-Wave Scattering Phase Shifts Bypassing the Radial Schr\"odinger Equation [77.34726150561087]
  本稿では, 畳み込みニューラルネットワークを用いて, 正確な散乱s波位相シフトを得られる機械学習モデルの実証を行う。 我々は、ハミルトニアンが物理的に動機づけられた記述子の構築において、いかにして指導原理として機能するかについて議論する。
  論文  参考訳（メタデータ） (2021-06-25T17:25:38Z)
• Spring-Rod System Identification via Differentiable Physics Engine [10.226310620727942]
  複雑なスプリングロッドアセンブリのシステム同定のための新しい微分可能な物理エンジンを提案する。 従来の物理エンジンと同様、動作の制御方程式の離散形式を用いて、エンジンの設計をモジュール化する。
  論文  参考訳（メタデータ） (2020-11-09T04:36:22Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)
• A First Principles Approach for Data-Efficient System Identification of Spring-Rod Systems via Differentiable Physics Engines [10.226310620727942]
  複雑なスプリングロッドアセンブリのシステム同定のための新しい微分可能な物理エンジンを提案する。 従来の物理エンジンと同様、動作の制御方程式の離散形式を用いて、エンジンの設計をモジュール化する。 副作用として、回帰パラメータは物理量に対応しており、パイプラインを説明可能である。
  論文  参考訳（メタデータ） (2020-04-28T21:37:55Z)
• Physics-inspired deep learning to characterize the signal manifold of quasi-circular, spinning, non-precessing binary black hole mergers [4.43457632632169]
  我々は、天体物理学的なブラックホールのスピン特性の一般相対論的制約を組み込んだ新しい最適化スキームで訓練されたWaveNetの修正版を導入する。 高性能計算と物理に着想を得た最適化アルゴリズムの収束により、二元ブラックホール融合の質量比と個々のスピンの正確な再構築が可能となる。
  論文  参考訳（メタデータ） (2020-04-20T18:00:02Z)
• Direct reconstruction of the quantum master equation dynamics of a trapped ion qubit [0.0]
  本稿では,選択した可観測物の期待値の集合から直接,オープン量子系の力学方程式を再構成する手法を提案する。 自然光子散乱下での880textSr+$イオンのダイナミックスをシミュレーションおよび実験的に評価した。
  論文  参考訳（メタデータ） (2020-03-10T13:09:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。