GSpyNetTree: Un clasificador de señales astrofísicas y ruido de detector para candidatos de ondas gravitacionales de LIGO-Virgo

Abstract

Tras la primera detección de ondas gravitacionales (GWs), las colaboraciones LIGO y Virgo iniciaron un nuevo campo de la astronomía al proporcionar una nueva forma de entender el Universo. A pesar de haber alcanzado sensibilidades capaces de detectar la amplitud extremadamente pequeña de las ondas gravitacionales, los datos de los detectores LIGO y Virgo contienen frecuentes ráfagas de ruido transitorio no Gaussiano, comúnmente conocidas como "glitches", que a menudo imitan o se solapan con las señales de ondas gravitacionales. Dada la mayor tasa de eventos de GWs esperada en el actual periodo de observación (O4), que comenzó en mayo de 2023, el proceso de selección de candidatos a GWs, incluida la identificación de glitches que se solapan con GWs o son morfológicamente similares a ellas, requiere una mayor automatización. Este trabajo desarrolla GSpyNetTree, el "Gravity Spy Convolutional Neural Network Decision Tree": un clasificador multi-CNN multi-etiqueta que identifica con precisión los "glitches" presentes en cada detector de GWs en el momento de una GW candidata. GSpyNetTree ha sido entrenada para ser robusta frente a una amplia gama de ruido de fondo, nuevas fuentes de "glitches" y la probable aparición de "glitches" y GWs solapados.