AI-алгоритм Aframe достиг оптимальной чувствительности в поиске гравитационных волн от нейтронных звезд

Гравитационные волны открыли новое окно в астрофизику, позволяя изучать слияния черных дыр и нейтронных звезд. Особый интерес представляют сигналы от двойных нейтронных звезд (BNS): они сопровождаются электромагнитным и нейтринным излучением, что даёт ключ к пониманию фундаментальной физики, ядерной материи и гравитации. Первое такое событие, GW170817, было зарегистрировано в 2017 году.

Однако поиск BNS-сигналов в режиме реального времени требует колоссальных вычислительных ресурсов. Данные с детекторов LIGO-Virgo-KAGRA (LVK) необходимо сравнивать с миллионами эталонных форм сигналов, для чего требуется до тысячи вычислительных ядер. Это создаёт узкое место для оперативного анализа.

Ученые из коллаборации Aframe предложили альтернативу: нейросеть, которая обучается распознавать наличие сигнала в данных. Алгоритм был развернут в четвертом наблюдательном прогоне LVK и стал первым инструментом на базе искусственного интеллекта, способным в реальном времени обнаруживать слияния черных дыр. Теперь авторы показали, что он работает и для более протяженных сигналов от нейтронных звезд.

Проблема длительности BNS-сигналов решена с помощью гетеродинирования данных — преобразования, снижающего частоту дискретизации. После этого архитектура нейросети, использовавшаяся для черных дыр, оказалась достаточной для разделения сигнала и шума. Для работы в реальном времени достаточно одного GPU, не самого мощного.

Ключевой результат — чувствительность алгоритма Aframe сравнима с классическими методами согласованной фильтрации (matched-filter). При этом он требует меньше вычислительных ресурсов и обеспечивает меньшую задержку. Это первый случай, когда AI-поиск достиг оптимальной чувствительности для BNS-сигналов.

Кроме того, разработаны инструменты «вывод как услуга», позволяющие быстро проводить офлайн-анализ архивных данных, используя распределенный пул GPU. Таким образом, Aframe пригоден не только для оперативного мониторинга, но и для глубокого анализа ранее записанных данных.

Развитие AI-методов открывает путь к более эффективному использованию гравитационно-волновых обсерваторий, увеличивая шансы на регистрацию новых мультимессенджерных событий и углубляя понимание Вселенной.