深度学习助力引力波信号搜寻

英国格拉斯哥大学的三位学生开发了一套人工智能（AI）工具来帮助搜寻引力波信号，为下一阶段的引力波天文学研究打下了坚实的基础。该成果已发表在2018年4月9日出版的《物理评论快报》上。

当前研究人员一般使用匹配滤波技术来从检测器的背景噪声中筛选引力波信号，其使用一组模板波形来测量检测器的输出。与模板波形匹配的信号将会得到更加仔细的检查，以确定它们是否是真正的引力波。然而，这个过程需要大量的计算力。随着检测器的更新及其灵敏度的提升，天文学家希望每一次的观测都能获得更多的信号，这也随之对所需的计算能力提出了更高要求。

格拉斯哥大学的三位学生决定研究深度学习是否能提高检测过程的计算效率。他们使用监督式深度学习构建了一种AI工具，能够从他们创建的数以千计的模拟数据集中准确的筛选出被掩藏在噪声中的引力波信号。监督式深度学习能使系统从研究人员提供的三个数据集中学习。第一个数据集是培训数据集，确保系统学习的是研究人员希望它们学习的内容；第二个数据集是验证数据集，使系统能以研究人员期望的方式进行学习；最后一个数据集是测试数据集，帮助研究人员定量评估系统的性能。所有的计算密集型任务都发生在培训数据集中，这使得整个过程比传统的匹配过滤更快更有效。