[論文レビュー] An efficient GPU-accelerated multi-source global fit pipeline for LISA data analysis

Michael L. Katz, Nikolaos Karnesis+3 more|arXiv (Cornell University)|May 7, 2024

Pulsars and Gravitational Waves Research被引用数 4

ひとこと要約

本論文は、LISAデータ解析のためのGPUアクセラレート型で完全自動化されたグローバルフィットパイプラインEreborを提示する。このパイプラインは、同時に質量ブラックホール二重星（MBHBs）、銀河系二重星（GBs）、および機器ノイズをモデル化する。可逆ジャンプMCMC、アンサンブルサンプリング、GPUアクセラレートインfra上でのリアルタイムRJMCMC再適合を用いて、15個の注入済みMBHBsの高精度回復と、12,000個程度のGBsの高信頼度カタログ作成に成功した。

ABSTRACT

The large-scale analysis task of deciphering gravitational wave signals in the LISA data stream will be difficult, requiring a large amount of computational resources and extensive development of computational methods. Its high dimensionality, multiple model types, and complicated noise profile require a global fit to all parameters and input models simultaneously. In this work, we detail our global fit algorithm, called ``Erebor,'' designed to accomplish this challenging task. It is capable of analysing current state-of-the-art datasets and then growing into the future as more pieces of the pipeline are completed and added. We describe our pipeline strategy, the algorithmic setup, and the results from our analysis of the LDC2A Sangria dataset, which contains Massive Black Hole Binaries, compact Galactic Binaries, and a parameterized noise spectrum whose parameters are unknown to the user. The Erebor algorithm includes three unique and very useful contributions: GPU acceleration for enhanced computational efficiency; ensemble MCMC sampling with multiple MCMC walkers per temperature for better mixing and parallelized sample creation; and special online updates to reversible-jump (or trans-dimensional) sampling distributions to ensure sampler mixing and accurate initial estimates for detectable sources in the data. We recover posterior distributions for all 15 (6) of the injected MBHBs in the LDC2A training (hidden) dataset. We catalog $\sim12000$ Galactic Binaries ($\sim8000$ as high confidence detections) for both the training and hidden datasets. All of the sources and their posterior distributions are provided in publicly available catalogs.

研究の動機と目的

• LISAデータの完全自動化でスケーラブルなグローバルフィットパイプラインの開発。複数の源タイプと複雑なノイズを同時に処理することを目的とする。
• GPUアクセラレーションと高度なサンプリング技術を用いて、高次元で多源のLISAデータセットを解析する計算上の課題に対処すること。
• トレーニングおよび隠しLDC2Aデータセットにおいて、MBHBs、GBs、ノイズパラメータの正確な事後分布を生成すること。
• モジュラーで拡張可能な設計により、将来の実際の軌道力学、非定常ノイズ、高度な源モデルへの拡張を可能にすること。
• コミュニティ全体のLISAデータ解析とベンチマークの進展を促進するため、オープンソースコードと公開カタログをリリースすること。

提案手法

• パイプラインは、銀河系二重星（GBs）の数とそのパラメータの不確実性を推定するため、可逆ジャンプマルコフ連鎖モンテカルロ（RJMCMC）に基づくグローバルフィットフレームワークを採用している。
• GPUアクセラレートされたサンプリング操作は、CuPyおよびカスタムカーネルを用いて実装され、尤度評価とMCMCステップの高速化が図られた。
• グローバルフィッティング中の高次元パラメータ空間における混合と収束を改善するために、アンサンブルサンプリングと温度調整が用いられた。
• RJMCMCのプロポーザル分布のオンライン再適合は、残差上での単一源MCMCランを用いて実施され、サンプリングの効率と正確性が向上した。
• MBHBs、GBs、ノイズのパワースペクトル密度（PSD）のためのモジュラーなコンponentsを統合し、共有の残差モデルを介して通信している。
• パラメトリックなノイズモデルには、機器ノイズと解明不能なGBsによる混雑フォアグラウンドが含まれ、天体物理学的源と同時にフィッティングされた。

実験結果

リサーチクエスチョン

• RQ1 完全自動化でGPUアクセラレートされたグローバルフィットパイプラインは、LDC2A Sangriaデータセットに事前に注入されたMBHBおよびGB信号を人為的介入なしに正常に回復できるか？
• RQ2 アンサンブルサンプリングとオンラインRJMCMC再適合は、高次元で多源のLISAデータ解析において、混合と収束をどの程度改善できるか？
• RQ3 GPUアクセラレーションは、CPUベースのパイプラインと比較して、計算コストとエネルギー消費をどの程度削減できるか？
• RQ4 ソースパラメータが未知の状態である隠しLDC2Aデータセットにおいて、パイプラインの性能はいかに高く、信頼性のある事後分布を生成できるか？
• RQ5 現在のテンプレートモデルの限界は、複雑なGB集団を捉える能力にどの程度影響を及ぼし、RJMCMCのサンプリング効率にどのような影響を与えるか？

主な発見

• トレーニングデータセットに注入された15個のMBHBsをすべて正常に回復し、誤検出は一切なかった。高精度な事後分布推定が達成された。
• 銀河系スケーラーは、トレーニングおよび隠しデータセット全体で約12,000個のGBsを検出。そのうち8,000個以上が高信頼度検出とされた。
• 検出GBsと入力集団との一致率が90％以上に達し、ソース特徴の高精度な再現性が示された。
• GPUアクセラレーションにより、CPUベースの代替手法と比較して計算コストとエネルギー消費が削減された。将来のハードウェア進化に伴い性能がスケーリングされる見込みである。
• RJMCMCプロポーザルのオンライン再適合は、特に高次元のGBパラメータ空間において、サンプリング効率と収束性を顕著に向上させた。
• ノイズPSDと混雑フォアグラウンドは正確にフィッティングされたが、定常ノイズの仮定により、MBHB合体付近の局所感度に潜在的なバイアスが生じる可能性があった。