[論文レビュー] Use of conditional variational auto encoder to analyze ringdown gravitational waves

Takahiro Yamamoto, Takahiro Tanaka|arXiv (Cornell University)|Feb 27, 2020

Pulsars and Gravitational Waves Research被引用数 4

ひとこと要約

本稿では、リングダウン重力波信号からの準正規モード（QNM）周波数を推定するために条件付き変分オートエンコーダ（CVAE）を用いる手法を提案し、マッチドフィルタリングと比較して、より高い精度とより狭い信頼領域を示す。CVAEは、非ガウス分布のノイズやモデルに依存しない信号特徴に対しても、従来の手法よりもパラメータ推定の精度と信頼性に優れる。

ABSTRACT

Recently, several deep learning methods are proposed for the gravitational wave data analysis. One is conditional variational auto encoder (CVAE), proposed by Gabbard et al. [1]. We study the accuracy of a CVAE in the context of the estimation of the QNM frequency of the ringdown. We show that the accuracy of the estimation by the CVAE is better than the matched filtering. The areas of confidence regions are also compared and it is shown that the CVAE can return smaller confidence regions. Also, we assess the reliability of the confidence regions estimated by the CVAE. Our work confirms that the deep learning method has ability to compete with or overcome the matched filtering.

研究の動機と目的

• 重力波のリングダウン部分に限定して、QNM周波数を推定するための条件付き変分オートエンコーダ（CVAE）の精度を評価すること。
• CVAEのパラメータ推定および信頼領域推定性能をマッチドフィルタリングと比較すること。
• P-Pプロットと誤差解析を用いて、CVAEの事後確率分布の信頼性を評価すること。
• CVAEのようなディープラーニング手法が、リングダウン信号のオフライン解析において、従来のマッチドフィルタリングと同等またはそれを上回る性能を達成できるかどうかを調査すること。

提案手法

• 著者らは、一般相対性理論（GR）のテンプレートの合体・リングダウン部分を現象論的に変更することで、模擬的なリングダウン波形を生成した。
• CVAEは、観測された信号を前提としたQNM周波数の事後分布を学習するために、これらの変更された波形で訓練された。
• CVAEは、ガウスノイズに埋め込まれたインジェクション済みのリングダウン信号からなるテストデータセットを用いて評価され、マッチドフィルタリングと性能を比較した。
• 信頼領域はCVAEの事後サンプルから計算され、領域面積の指標を用いてマッチドフィルタリングと定量的に比較した。
• P-Pプロットを用いて、CVAEの不確実性推定の信頼性を検証し、カバレッジに系統的バイアスがないかを確認した。
• S/N比（SNR）を変化させた状況でテストを行い、バイアス、精度、制約のきつさについて分析した。

実験結果

リサーチクエスチョン

• RQ1 重力波のリングダウン部分に限定して解析する場合、CVAEはマッチドフィルタリングよりもQNM周波数をより正確に推定できるか？
• RQ2 P-Pプロットによる検証により、CVAEが生成する信頼領域は、頻度的カバレッジを信頼できるものとして保証されるか？
• RQ3 CVAEが生成する50%、90%、99%の信用区間の面積は、マッチドフィルタリングと比較してどの程度か？
• RQ4 S/N比の異なる領域において、CVAEの不確実性推定の系統的誤差の大きさはどの程度か？
• RQ5 CVAEは、モデル固有の変更された波形で訓練された場合でも、マッチドフィルタリングよりもQNM周波数の制約をきつめにできるか？

主な発見

• CVAEは、特に変更されたリングダウン信号が存在する状況において、マッチドフィルタリングよりもQNM周波数の推定精度が高かった。
• すべてのS/Nレベルにおいて、CVAEが生成する信頼領域の面積はマッチドフィルタリングよりも顕著に小さく、よりきつい制約を示した。
• P-Pプロット分析により、CVAEの不確実性推定は1%未満の系統的誤差（<2%）を示しており、信頼性のあるカバレッジであることが確認された。
• S/N = 8.0の場合、CVAEは99%信頼領域の面積をマッチドフィルタリングと比較して415.235 Hz²小さくした。同程度の改善は高いS/Nでも観察された。
• CVAEの事後分布は信頼性が高く、誤差推定のバイアスも最小限に抑えられており、モデル固有の変更済みテンプレートで訓練された場合でも良好な性能を示した。
• 一般相対性理論（GR）からの逸脱がある信号に対しても、本手法は有効であるため、修正重力理論の検証への応用が期待できる。