Пошаговый рабочий процесс нашего предлагаемого трубопровода. Каждый шаг подробно описан в тексте §iii-b. Кредит: Arxiv (2024). Doi: 10.48550/arxiv.2412.09832
Поиск закономерности и снижение шума в больших, сложных наборах данных, созданных в рамках гравитационной лиги, покрывающей волны, было проще благодаря работе ученых из Калифорнийского университета в Риверсайде.
Исследователи UCR представили статью в недавно проведенном семинаре IEEE с большим мастерской, в которой продемонстрировалось новый подход без присмотра в машинном обучении, обнаружил новые закономерности в данных вспомогательного канала лазерного интерферометра, обсерватория или лиго. Технология также может применяться к экспериментам по ускорительению частиц с крупномасштабными и крупными сложными промышленными системами.
Лиго — это объект, который распознает гравитационные волны — переопределенные расстройства в ткани самого пространства, которые генерируются ускорением массивных тел. Это было первое, что признало такие волны от слияния черных дыр, что подтвердило важную часть теории относительности Эйнштейна.
Лиго имеет два широко распространенных интерферометра в Хэнфорде, штат Вашингтон и Ливингстон, штат Луизиана длиной 4 км, которые работают вместе, чтобы распознать гравитационные волны, используя лазерные лучи с высокой производительностью. Открытия, которые предлагают эти детекторы, предлагают новый способ наблюдать за вселенной и ответить на вопросы о природе черных дыр, космологии и самой плотной материи во вселенной.
Каждый из двух детекторов лиги записывает тысячи потоков данных или каналов, которые составляют выходные датчики окружающей среды в точках детектора.
«Подход к машинному обучению, который мы разработали в тесном сотрудничестве с комиссаром Лиго и заинтересованным лицом, определяет закономерности только в данных», — сказал Джонатан Ричардсон, доцент физики и астрономии, которая возглавляет группу лиги UCR.
«Мы обнаруживаем, что операторы на позициях детектора LIGO, которые очень хорошо известны операторам в местах детектора LIGO, приведут к будущим улучшениям детекторов».
Ричардсон сказал, что детекторы лиго чрезвычайно чувствительны к внешнему расстройству. Движение почвы и любое вибрационное движение — от случая ветра к океану, которые попадают в побережье Гренландии или Тихого океана — могут повлиять на чувствительность эксперимента и качества данных, что приводит к «поломке» или периодам, сказал он, сказал он, сказал, сказал он. Он сказал, что в «расстройствах» или периоды с повышенными шумовыми ремнями он сказал, что сказал, что сказал, что, по его словам, сказал, что, по его словам, сказал, что сказал, что сказал, что «качество данных», — сказал он. Полем
«Мониторинг условий окружающей среды постоянно проводится в местах», — сказал он. «Лиго имеет более 100 000 вспомогательных каналов с сейсмометрами и счетчиками ускорения, которые чувствуют окружающую среду, в которой интерферометры являются кураторскими каналами обнаружения».
Wargelis Papalexakis, доцент кафедры компьютерных наук и инженерии, который занимает семейное председатель Росса в области компьютерных наук, представила команду команды под названием «Многомерные кластеризации временных рядов для характеристики экологического состояния международного семинара по большим данным и инструментам KI, Модели и приложения для инновационных научных открытий, которые имели место в Вашингтоне в прошлом месяце, DC. Работа, которую можно найти на сервере печати ARXIV.
Откройте для себя более 100 000 подписчиков, которые полагаются на Phys.org, чтобы поддерживать ежедневные знания на Phys.org. Зарегистрируйтесь на нашу бесплатную рассылку и получите обновления, чтобы прорываться, инновации и исследования, которые являются важными или еженедельными.
«То, как работает наш подход машинного обучения, заключается в том, что мы записываем модель с идентификацией шаблонов в записи данных и обнаружим себя модель», — сказал Папалесакис. «Этот инструмент смог определить те же закономерности, которые очень точно соответствуют физически значимым экологическим состояниям, которые уже известны человеческим операторам и комиссарам в местах лиги».
Papalexakis добавил, что команда работала с научным сотрудничеством Ligo, чтобы обеспечить публикацию очень большой записи данных, которая связана с анализом, сообщенным в исследовательской работе. Эта публикация данных позволяет исследовательскому сообществу не только проверять результаты команды, но и разработать новые алгоритмы, которые пытаются определить закономерности в данных.
«Мы определили захватывающую связь между внешним шумом окружающей среды и наличием определенных типов расстройств, которые испортили качество данных», — сказал Папалесакис. «Это открытие имеет потенциал для устранения или предотвращения возникновения такого шума».
Команда организовала и проработала все каналы лиги около года. Ричардсон обнаружил, что публикация данных была большим мероприятием.
«Наша команда возглавляла эту публикацию от имени всего научного сотрудничества между Лиго, в котором насчитывается около 3200 членов», — сказал он. «Это первый из этих специальных типов данных, и мы считаем, что это окажет большое влияние на машинное обучение и сообщество информатики».
Ричардсон объяснил, что разработанный инструмент, который разработала команда, может поглощать сигналы от многочисленных гетерогенных датчиков, которые измеряют различные расстройства вокруг мест лиго. По его словам, этот инструмент может интоцировать информацию в одном штате, который затем может использоваться для поиска временных рядов, когда проблемы с шумом возникли в детекторах лиги, и в настоящее время они коррелируют с окружающими состояниями мест.
«Если вы можете идентифицировать шаблоны, вы можете, например, внести физические изменения в детектор — например, компоненты», — сказал он. «Надежда состоит в том, что наш инструмент может сиять на путях физического соединения шума, которые позволяют внести реализуемые экспериментальные изменения в детекторах лиги. Наша долгосрочная цель состоит в том, что этот инструмент используется для распознавания новых ассоциаций и новых форм окружающей среды, которые связаны с неизвестными проблемами шума в интерферометрах.
Поян Гударзи, докторант, который работает с Ричардсоном и соавтором на бумаге, подчеркнул, насколько важно публично публиковать запись данных.
«Как правило, такие данные обычно являются собственными», — сказал он. «Тем не менее, нам удалось опубликовать большую учетную запись данных, которая, как мы надеемся, он приведет к междисциплинарным исследованиям в области науки данных и машинного обучения».
Ричардсон, Папалесакис и Гударзи сопровождали Рутуджа Гурав, докторская студентка, работавший с Папалесакисом. Исаак Келли, студент летнего студента; Анамария -Эффлер из обсерватории Лиго Ливингстона; И Барри Бариш, профессор физики и астрономии на основе UCR.
Информация от: Калифорнийским университетом — Риверсайдом
