深度學習助力引力波訊號搜尋

英國格拉斯哥大學的三位學生開發了一套人工智慧（AI）工具來幫助搜尋引力波訊號，為下一階段的引力波天文學研究打下了堅實的基礎。該成果已發表在2018年4月9日出版的《物理評論快報》上。

當前研究人員一般使用匹配濾波技術來從檢測器的背景噪聲中篩選引力波訊號，其使用一組模板波形來測量檢測器的輸出。與模板波形匹配的訊號將會得到更加仔細的檢查，以確定它們是否是真正的引力波。然而，這個過程需要大量的計算力。隨著檢測器的更新及其靈敏度的提升，天文學家希望每一次的觀測都能獲得更多的訊號，這也隨之對所需的計算能力提出了更高要求。

格拉斯哥大學的三位學生決定研究深度學習是否能提高檢測過程的計算效率。他們使用監督式深度學習構建了一種AI工具，能夠從他們建立的數以千計的模擬資料集中準確的篩選出被掩藏在噪聲中的引力波訊號。監督式深度學習能使系統從研究人員提供的三個資料集中學習。第一個資料集是培訓資料集，確保系統學習的是研究人員希望它們學習的內容；第二個資料集是驗證資料集，使系統能以研究人員期望的方式進行學習；最後一個資料集是測試資料集，幫助研究人員定量評估系統的效能。所有的計算密集型任務都發生在培訓資料集中，這使得整個過程比傳統的匹配過濾更快更有效。