Учёные Калифорнийского университета в Риверсайде разработали новый метод машинного обучения для анализа данных гравитационно-волновой обсерватории LIGO. Исследователи представили свою работу на недавнем семинаре IEEE по большим данным, продемонстрировав новый подход к поиску закономерностей во вспомогательных каналах данных Лазерно-интерферометрической гравитационно-волновой обсерватории (LIGO).

LIGO – это уникальный научный комплекс, предназначенный для обнаружения гравитационных волн – кратковременных возмущений в ткани пространства-времени, возникающих при ускорении массивных тел. Обсерватория первой зафиксировала такие волны от слияния чёрных дыр, подтвердив ключевую часть теории относительности Эйнштейна.

Комплекс LIGO состоит из двух широко разнесённых 4-километровых интерферометров, расположенных в Хэнфорде (штат Вашингтон) и Ливингстоне (штат Луизиана). Они работают совместно для обнаружения гравитационных волн с помощью мощных лазерных лучей. Открытия, сделанные этими детекторами, предлагают новый способ наблюдения за Вселенной и позволяют ответить на вопросы о природе чёрных дыр, космологии и самых плотных состояниях материи во Вселенной.

Каждый из двух детекторов LIGO регистрирует тысячи потоков данных, или каналов, которые составляют выходные данные датчиков, расположенных на местах расположения детекторов. Новый подход машинного обучения, разработанный учёными из Калифорнийского университета в Риверсайде в тесном сотрудничестве с заинтересованными сторонами LIGO, самостоятельно выявляет закономерности в данных.

«Мы обнаружили, что он очень хорошо восстанавливает «состояния», известные операторам на площадках детекторов LIGO, без какого-либо вмешательства человека», – сказал Джонатан Ричардсон, доцент кафедры физики и астрономии, возглавляющий группу LIGO в Калифорнийском университете в Риверсайде.

Ричардсон пояснил, что детекторы LIGO чрезвычайно чувствительны к любому типу внешних помех. Движение грунта и любой тип вибрационного движения – от ветра до океанских волн, ударяющих о побережье Гренландии или Тихого океана – могут повлиять на чувствительность эксперимента и качество данных, что приводит к «сбоям» или периодам повышенных шумовых всплесков.

Инструмент, разработанный командой, может идентифицировать различные экологические состояния, такие как землетрясения и антропогенный шум, по ряду тщательно отобранных каналов зондирования. Это открывает возможность для задействования мощного инструмента, который можно использовать для локализации шумовых связей и непосредственного руководства будущими улучшениями детекторов.

Исследователи также организовали выпуск очень большого набора данных, относящегося к анализу, представленному в исследовательской работе. Этот выпуск данных позволяет исследовательскому сообществу не только проверить результаты команды, но и разработать новые алгоритмы, направленные на выявление закономерностей в данных.

«Мы обнаружили связь между внешним шумом и наличием определённых типов сбоев, которые ухудшают качество данных. Это открытие потенциально может помочь устранить или предотвратить возникновение такого шума», – сказал Вагелис Папалексакис, доцент кафедры компьютерных наук и инженерии.

Команда надеется, что их инструмент сможет пролить свет на физические пути связи шума, которые позволят внести действенные изменения в детекторы LIGO. Долгосрочная цель состоит в том, чтобы этот инструмент использовался для обнаружения новых ассоциаций и новых форм экологических состояний, связанных с неизвестными шумовыми проблемами в интерферометрах.