論文の概要: MADGRAV: a multilevel anomaly-detection pipeline for gravitational-wave searches applied to LIGO data
- arxiv url: http://arxiv.org/abs/2609.39583v1
- Date: Wed, 30 Sep 2026 12:12:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.665603
- Title: MADGRAV: a multilevel anomaly-detection pipeline for gravitational-wave searches applied to LIGO data
- Title（参考訳）: LIGOデータに応用した重力波探索のためのマルチレベル異常検出パイプラインMADGRAV
- Abstract要約: textbfMADGRAVは、高質量のコンパクトなバイナリコリゾネートをディープラーニングで検索する。
ハンフォードとリビングストンのLIGO検出器からのデータは、第2のQ変換窓によって研究されている。
- 参考スコア（独自算出の注目度）: 39.146761527401424
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present the results of \textbf{MADGRAV}, a deep-learning-based search for high-mass compact binary coalescences, applied to the data collected by the LIGO interferometers during the third observing run and during the first and second part of the fourth observing run. The \textbf{MADGRAV} pipeline consists of a series of sequential convolutional neural networks that perform anomaly detection, glitch classification, coherence testing, and signal ranking. Data from the Hanford and Livingston LIGO detectors are studied (both individually and in coherence) by way of 1 second Q-transform windows. Of the candidates that survive every stage of the pipeline, 48 reach the significance threshold, and we report 47 gravitational wave detections characterised by a false alarm rate below $1\,{\rm yr}^{-1}$ with a probability of astrophysical origin $p_{\rm astro}>0.9$. Of the 47 detections, 44 are shared with the minimally modelled coherent WaveBurst search. The observed total source-frame masses, extracted from official gravitational wave transient catalogues, are in the $14-236 M_{\odot}$ range with a median of $69 M_{\odot}$, and a median SNR of 16. We note that the recovered fraction of confident detections rises with mass: for LIGO detectors network SNR $>10$ the pipeline recovers $8.1\%$ of confident catalog events below $30 M_{\odot}$, $39.8\%$ between $30$ and $100 M_{\odot}$, and $53.3\%$ above $100 M_{\odot}$, corresponding to $33.3\%$, $45.5\%$ and $53.3\%$ of the events detected by coherent WaveBurst in the same bins. These results suggest that anomaly detection pipelines can serve as an independent detection channel complementary to matched filtering in the high-mass high-SNR regime.
- Abstract（参考訳）: LIGO干渉計が収集したデータを,第3回観測時および第4回観測時の第1および第2回観測時に適用した,高質量のコンパクトな2次合体をディープラーニングで探索する「textbf{MADGRAV}」の結果を報告する。
textbf{MADGRAV}パイプラインは、異常検出、グリッチ分類、コヒーレンステスト、信号ランキングを実行する一連の畳み込みニューラルネットワークで構成されている。
ハンフォードとリビングストンのLIGO検出器からのデータは、1秒のQ変換ウィンドウによって(個別およびコヒーレンスの両方で)研究されている。
パイプラインのすべての段階で生き残る候補のうち、48は有意な閾値に達し、47の重力波検出は1,{\rm yr}^{-1}$以下の誤報で、天体物理起源の確率は$p_{\rm astro}>0.9$である。
47の検知のうち44は、最小モデル化されたコヒーレントなWaveBurstサーチと共有される。
公式な重力波トランジェントカタログから抽出された観測されたソースフレーム全体の質量は、中央値が69M_{\odot}$、中央値が16M_{\odot}$の範囲にある。
LIGO検出器ネットワークのSNR$>10$の場合、パイプラインは、30M_{\odot}$以下の確実なカタログイベントの8.1\%$、$30$から100M_{\odot}$以下の39.8\%$、$100M_{\odot}$以上の53.3\%$、$33.3\%$、$45.5\%$および$53.3\%のイベントを同じビンで検出する。
これらの結果から, 異常検出パイプラインは高質量高SNR系におけるマッチングフィルタと相補的な独立検出チャネルとして機能することが示唆された。
関連論文リスト
- The Price of Peeking: Anytime-Valid Leakage Detection on ML-KEM EM Traces [45.88028371034407]
本研究は, ベットによる検査に基づく漏洩検出について検討する。
13000～20000のサンプルに対して繰り返し表示される$|t|>4.5$は2.7-12.9%の複製で誤報を発生させた。
論文 参考訳（メタデータ） (2026-09-27T14:14:10Z) - Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [69.06648810271712]
本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。
3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
論文 参考訳（メタデータ） (2026-09-15T00:31:01Z) - Decoupling candidate dual AGN from chance superpositions in the GOTHIC survey via a deep-learning framework [2.1858709012908903]
我々は46,061個の銀河を再検討したが、GOTHICパイプラインによってDAGN候補として拒否された。
我々は、アノテーション付きSDSSイメージングに基づいて、YOLOv11指向バウンディングボックスアーキテクチャに基づく教師付きディープラーニングフレームワークを訓練する。
カタログは統計学的に洗練された候補のリストであり、DAGNは確認されていない。
論文 参考訳（メタデータ） (2026-08-25T07:30:33Z) - Hallucination Is Linearly Decodable from Mid-Layer Hidden States in Quantized LLMs [5.584060970507507]
我々は,LLMが隠れた状態で線形分離可能な信号を符号化し,どのネットワーク深度でこの信号が最強かを検討する。
4つのベンチマーク(TruthfulQA, HaluEval-QA, FEVER, 制御された合成集合)で層当たりの隠れ状態を抽出する。
Peak Probing Layerは、自然言語ベンチマークでモデルファミリ間で一貫したバンドに落ちます。
論文 参考訳（メタデータ） (2026-05-30T02:04:30Z) - Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。
合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善
DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
論文 参考訳（メタデータ） (2026-02-03T23:38:05Z) - A Neural Network-Based Search for Unmodeled Transients in LIGO-Virgo-KAGRA's Third Observing Run [0.5857761499059161]
本稿では, LIGO, Virgo, KAGRAの3回観測結果から, ニューラルネットワークを用いた短周期重力波トランジェント探索の結果について述べる。
探索は、30-1500Hzの周波数帯域でミリ秒から数秒間、受信信号の方向、偏光、形態について仮定することなく、未モデル化のトランジェントをターゲットにしている。
論文 参考訳（メタデータ） (2024-12-27T19:00:01Z) - Extracting the gamma-ray source-count distribution below the Fermi-LAT detection limit with deep learning [44.99833362998488]
合成2次元スカイマップ上で畳み込みニューラルネットワークを訓練し,Fermi-LATインスツルメンタル応答関数を組み込む。
トレーニングされたニューラルネットワークはFermi-LATデータに適用され、そこからソースカウント分布をFermi-LATしきい値以下50のフラックスレベルまで推定する。
論文 参考訳（メタデータ） (2023-02-03T19:00:51Z) - LSTM and CNN application for core-collapse supernova search in
gravitational wave real data [0.0]
コア崩壊型超新星(CCSNe)は、銀河系や近隣の銀河の干渉計によって検出される重力波信号を放出することが期待されている。
実データを用いた各種CCSNeシミュレート信号と雑音過渡音のマルチラベル分類のための機械学習(ML)の可能性を示す。
論文 参考訳（メタデータ） (2023-01-23T12:12:33Z) - From One to Many: A Deep Learning Coincident Gravitational-Wave Search [58.720142291102135]
単一検出器からの非スピン型二元ブラックホールデータに基づいてトレーニングされたニューラルネットワークを用いて、二元ブラックホールの融合から重力波を2検出器で探索する。
これらの単純な2検出器ネットワークはいずれも、検出器のデータに個別にネットワークを適用するよりも感度を向上させることができない。
論文 参考訳（メタデータ） (2021-08-24T13:25:02Z)
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。