論文の概要: Improving gravitational wave search sensitivity with TIER: Trigger Inference using Extended strain Representation
- arxiv url: http://arxiv.org/abs/2507.08318v1
- Date: Fri, 11 Jul 2025 05:08:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-14 18:03:54.247457
- Title: Improving gravitational wave search sensitivity with TIER: Trigger Inference using Extended strain Representation
- Title（参考訳）: TIERによる重力波探索感度の向上:拡張ひずみ表現を用いたトリガー推論
- Authors: Digvijay Wadekar, Arush Pimpalkar, Mark Ho-Yeuk Cheung, Benjamin Wandelt, Emanuele Berti, Ajit Kumar Mehta, Tejaswi Venumadhav, Javier Roulet, Tousif Islam, Barak Zackay, Jonathan Mushkin, Matias Zaldarriaga,
- Abstract要約: 重力波探索パイプラインの感度を向上させるために,$textttTIER$という機械学習フレームワークを導入する。
LIGO-Virgo-Kagra O3データでは、最大で$sim 20%の高感度ボリューム時間の改善が見られます。
我々の枠組みを適用することで、いくつかの準閾値重力波候補の重要性が増す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a machine learning (ML) framework called $\texttt{TIER}$ for improving the sensitivity of gravitational wave search pipelines. Typically, search pipelines only use a small region of strain data in the vicinity of a candidate signal to construct the detection statistic. However, extended strain data ($\sim 10$ s) in the candidate's vicinity can also carry valuable complementary information. We show that this information can be efficiently captured by ML classifier models trained on sparse summary representation/features of the extended data. Our framework is easy to train and can be used with already existing candidates from any search pipeline, and without requiring expensive injection campaigns. Furthermore, the output of our model can be easily integrated into the detection statistic of a search pipeline. Using $\texttt{TIER}$ on triggers from the $\texttt{IAS-HM}$ pipeline, we find up to $\sim 20\%$ improvement in sensitive volume time in LIGO-Virgo-Kagra O3 data, with improvements concentrated in regions of high masses and unequal mass ratios. Applying our framework increases the significance of several near-threshold gravitational-wave candidates, especially in the pair-instability mass gap and intermediate-mass black hole (IMBH) ranges.
- Abstract（参考訳）: 重力波探索パイプラインの感度を向上させるために,$\texttt{TIER}$という機械学習(ML)フレームワークを導入する。
通常、探索パイプラインは、検出統計を構成するために、候補信号の近傍にある小さな歪みデータのみを使用する。
しかし、候補近傍のストレインデータ(\sim 10$ s)も貴重な補完情報を運ぶことができる。
拡張データのスパース要約表現/特徴に基づいて学習したML分類器モデルにより,この情報を効率的に取得できることを示す。
当社のフレームワークはトレーニングが容易で,既存の任意の検索パイプラインの候補と併用可能で,高価なインジェクションキャンペーンを必要としない。
さらに,本モデルの出力は,探索パイプラインの検出統計に容易に組み込むことができる。
$\texttt{TIER}$ on triggers from the $\texttt{IAS-HM}$ pipeline, we found up $\sim 20\%$ improve in sensitive volume time in LIGO-Virgo-Kagra O3 data。
我々の枠組みの適用により、特に対不安定質量ギャップと中間質量ブラックホール(IMBH)の範囲において、いくつかの準閾値重力波候補の重要性が増大する。
関連論文リスト
- $\texttt{SPECS}$: Faster Test-Time Scaling through Speculative Drafts [55.231201692232894]
$textttSPECS$は、投機的デコードにインスパイアされた遅延対応のテスト時間スケーリングメソッドである。
我々の結果は、$textttSPECS$matchはビームサーチの精度を上回り、最大$sim$19.1%のレイテンシを削減していることを示している。
論文 参考訳（メタデータ） (2025-06-15T05:50:05Z) - Don't Get Lost in the Trees: Streamlining LLM Reasoning by Overcoming Tree Search Exploration Pitfalls [83.89771461061903]
検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。
検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。
意味論的に等価なコンテンツを持つ冗長な状態による$textitover-Exploration$と、検証器のスコアリングにおける高いばらつきに起因する$textitunder-Exploration$である。
各種木探索アルゴリズムに適合するフレキシブルなプラグアンドプレイシステムであるFETCHを提案する。
論文 参考訳（メタデータ） (2025-02-16T16:12:01Z) - Rapid Likelihood Free Inference of Compact Binary Coalescences using Accelerated Hardware [8.145436073845612]
正規化フローを用いた確率自由推論に基づく重力波パラメータ推定アルゴリズムAMPLFIについて報告する。
本稿では,高速化ハードウェア上でのデータローディングと事前処理に関するアルゴリズムと最適化について述べる。
LIGO-Virgoデータのモックデータストリームへのオンラインデプロイに基づいて、Aframe + AMPLFIはBBH候補をピックアップし、$sim 6$sのネットレイテンシでデータ取得からリアルタイムアラートのパラメータを推論することができる。
論文 参考訳（メタデータ） (2024-07-26T19:07:18Z) - Data Selection for Language Models via Importance Resampling [90.9263039747723]
我々は、望まれるターゲット分布に合わせるために、大規模な未ラベルデータセットのサブセットを選択するという問題を形式化する。
我々は、LMデータ選択のために低次元で使用される古典的な重要度再サンプリング手法を拡張した。
DSIRフレームワークをhash n-gram機能でインスタンス化し、4.5時間で1億のドキュメントを選択できる。
論文 参考訳（メタデータ） (2023-02-06T23:57:56Z) - Adaptive Sketches for Robust Regression with Importance Sampling [64.75899469557272]
我々は、勾配降下(SGD)による頑健な回帰を解くためのデータ構造を導入する。
我々のアルゴリズムは、サブ線形空間を使用し、データに1回パスするだけで、SGDの$T$ステップを重要サンプリングで効果的に実行します。
論文 参考訳（メタデータ） (2022-07-16T03:09:30Z) - Anchor-free Oriented Proposal Generator for Object Detection [59.54125119453818]
オブジェクト指向物体検出はリモートセンシング画像解釈において実用的で困難な課題である。
今日では、指向性検出器は主に水平方向の箱を中間体として使用し、それらから指向性のある箱を導出している。
本稿では,ネットワークアーキテクチャから水平ボックス関連操作を放棄する,AOPG(Anchor-free Oriented Proposal Generator)を提案する。
論文 参考訳（メタデータ） (2021-10-05T10:45:51Z) - Training Strategies for Deep Learning Gravitational-Wave Searches [43.55994393060723]
我々は、非スピン性二元ブラックホールからの信号に分析を限定する。
トレーニングデータをネットワークに提示するさまざまな戦略を体系的にテストする。
深層学習アルゴリズムは低信号-雑音比(SNR)信号を高SNR信号に一般化できるが、その逆はできない。
論文 参考訳（メタデータ） (2021-06-07T16:04:29Z) - MeerCRAB: MeerLICHT Classification of Real and Bogus Transients using
Deep Learning [0.0]
本論文では,$textttMeerCRAB$という畳み込みニューラルネットワークアーキテクチャに基づくディープラーニングパイプラインを提案する。
MeerLICHT望遠鏡の過渡検出パイプラインで、真の天体物理源からいわゆる「ボグ」検出をフィルタリングするように設計されています。
論文 参考訳（メタデータ） (2021-04-28T18:12:51Z) - IRLI: Iterative Re-partitioning for Learning to Index [104.72641345738425]
分散環境でのロードバランスとスケーラビリティを維持しながら、高い精度を得る方法とのトレードオフが必要だ。
クエリ項目関連データから直接バケットを学習することで、アイテムを反復的に分割するIRLIと呼ばれる新しいアプローチを提案する。
我々は,irliが極めて自然な仮定の下で高い確率で正しい項目を検索し,優れた負荷分散を実現することを数学的に示す。
論文 参考訳（メタデータ） (2021-03-17T23:13:25Z) - High-Dimensional Sparse Linear Bandits [67.9378546011416]
データ・ポーア・システマティクスにおける疎線形包帯に対して、新しい$Omega(n2/3)$ dimension-free minimax regret lower boundを導出する。
また、関連する特徴に対する信号の大きさに関する追加の仮定の下で、次元のない$O(sqrtn)$ regret上界も証明する。
論文 参考訳（メタデータ） (2020-11-08T16:48:11Z)
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。