[論文レビュー] Deep Learning-based Search for Microlensing Signature from Binary Black Hole Events in GWTC-1 and -2

Kyungmin Kim, J. Lee+2 more|arXiv (Cornell University)|Jun 16, 2022

Pulsars and Gravitational Waves Research被引用数 4

ひとこと要約

本研究は、GWTC-1およびGWTC-2の二重ブラックホール（BBH）イベントにおける重力波からのマイクロレンズ効果の痕跡を、深層学習を用いて初めて探索するものである。シミュレートされた信号のスペクトログラムを用いてトレーニングされたVGG-19ベースの畳み込みニューラルネットワークを用い、イベントをレンズ効果あり／なしに分類する。GW190707_093326はレンズ効果ありの中央確率が0.984と高く出たが、不確実性解析の結果、真のレンズ効果信号である可能性は低いとされ、結論として、顕著なマイクロレンズ効果の痕跡は検出されなかった。

ABSTRACT

We present the result of the first deep learning-based search for the signature of microlensing in gravitational waves. This search seeks the signature induced by lenses with masses between $10^3M_\odot$--$10^5M_\odot$ from spectrograms of the binary black hole events in the first and second gravitational-wave transient catalogs. We use a deep learning model trained with spectrograms of simulated noisy gravitational-wave signals to classify the events into two classes, lensed or unlensed. We introduce ensemble learning and a majority voting-based consistency test for the predictions of ensemble learners. The classification scheme of this search primarily classifies one event, GW190707_093326, into the lensed class. To verify the primary classification of this event, we also examine the median probability to the lensed class and observe the resulting value, $0.984^{+0.012}_{-0.342}$, agrees with an empirical criterion $>\!0.6$ for claiming the detection of a lensed signal. However, the uncertainty of the estimated $p$-value for the median probability and error, ranging from 0 to 0.1, convinces us GW190707_093326 is less likely a lensed event because it includes $p\!\geq\!0.05$ where the unlensed hypothesis is true. Therefore, we conclude our search finds no significant evidence of microlensing signature from the evaluated binary black hole events.

研究の動機と目的

• GWTC-1およびGWTC-2の二重ブラックホールイベントにおける重力波のマイクロレンズ効果の痕跡を、深層学習を用いて検出すること。
• ノイズの多い重力波データにおけるマイクロレンズ効果に起因する微弱なビートパターンの痕跡を特定するという課題に対処すること。
• 高信頼性でレンズ効果あり／なしの信号を区別できる、アンサンブル深層学習フレームワークの開発と検証すること。
• 既存のBBHイベントが、確率的分類によって統計的に有意なマイクロレンズ効果の証拠を示しているかどうかをテストすること。

提案手法

• VGG-19に基づく深層学習モデルを、マイクロレンズ効果あり／なしのシミュレートされた重力波信号のスペクトログラム上でトレーニングする。
• スペクトログラム画像を入力として用い、イベントを2つのクラス（レンズ効果あり／なし）に分類する。
• 10個の独立したモデルをトレーニングすることでアンサンブル学習を実装し、頑健性を向上させ、過学習を低減する。
• 予測の信頼性を高めるために、アンサンブルメンバー間の多数決と一貫性テストを適用する。
• 分類の信頼性を評価するために、アンサンブル予測全体の中央確率を計算する。
• 中央確率の統計的不確実性解析を実施し、レンズ効果ありの主張の妥当性を評価する。

実験結果

リサーチクエスチョン

• RQ1 深層学習は、GWTC-1およびGWTC-2の二重ブラックホール合体からの重力波信号において、マイクロレンズ効果の痕跡を検出できるか？
• RQ2 GW190707_093326は、深層学習分類の結果として統計的に有意なマイクロレンズ候補と見なせるか？
• RQ3 アンサンブル深層学習予測は、ノイズの多いデータにおける微弱なマイクロレンズ誘発ビートパターンを識別するのにどの程度信頼できるか？
• RQ4 中央確率の不確実性は、候補イベントのレンズ効果あり仮説を支持するか、あるいは否定するか？
• RQ5 提案された手法は、BBHイベントにおけるマイクロレンズ効果と内在的信号特徴を区別できるか？

主な発見

• 深層学習モデルは、レンズ効果あり／なしの信号を区別する上で高い性能を示し、すべてのアンサンブル学習器が92％以上の効率とAUC（受信者操作特性曲線下の面積）0.99以上を達成した。
• GW190707_093326は、レンズ効果ありクラスへの中央確率が0.984と最も高く、経験的閾値0.6を超えていた。
• 高確率にもかかわらず、中央確率の不確実性範囲（0.0～0.1）には、レンズ効果なし仮説が成立する値（p ≥ 0.05）が含まれており、レンズ効果あり分類に対する信頼性が低いことが示された。
• アンサンブルモデルは、トレーニング損失と検証損失の曲線が滑らかに収束したため、過学習やアンダーフィットの兆候が一切見られなかった。
• 本調査では、GWTC-1およびGWTC-2の46個のBBHイベントのいずれに対しても、統計的に有意なマイクロレンズ効果の証拠は得られなかった。
• 本研究の結論として、GWTC-1およびGWTC-2の現在のデータでは、10³〜10⁵ M☉の質量を有するレンズによる検出可能なマイクロレンズ効果の痕跡は確認されない。