Classification of Glitch Noise and Burst Gravitational Wave Search with Artificial Intelligence and Adaptive Time-Frequency Analysis

• Project Area: Foundation of "Machine Learning Physics" --- Revolutionary Transformation of Fundamental Physics by A New Field Integrating Machine Learning and Physics
• Project/Area Number: 23H04520
• Research Category: Grant-in-Aid for Transformative Research Areas (A)
• Allocation Type: Single-year Grants
• Review Section: Transformative Research Areas, Section (II)
• Research Institution: Tokyo City University
• Principal Investigator: 高橋 弘毅 東京都市大学, デザイン・データ科学部, 教授 (40419693)
• Project Period (FY): 2023-04-01 – 2025-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000); Fiscal Year 2024: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
• Keywords: 人工知能 / 適用型時間-周波数解析 / 突発性雑音 / 重力波

Outline of Research at the Start

人工知能（AI）を用いた超新星爆発などから放射される“バースト的”重力波を探査する手法の開発を行う．その実現には，重力波を探査する際にしばしば問題になる突発性雑音を分類・除去する手法の開発がカギとなり，この手法もAIと新たな時間-周波数解析を用いて開発する．これらを組み合わせバースト的重力波の探査の実現を目指す．これまでに観測された重力波はすべて，ブラックホールや中性子星からなるコンパクト連星の合体の際に放射されたものであるが，超新星爆発からのバースト的重力波を捉えることは，超新星爆発のメカニズム解明につながるなどの点で非常に重要である．

Outline of Annual Research Achievements

(1) AIと適用型時間-周波数解析を用いた突発性雑音分類手法の開発：教師なし学習を用いた突発性雑音分類については，畳み込み深層ニューラルネットワークを用いた手法の評価を進めた. この手法では，大きく2つのプロセス(特徴量学習と分類・除去)から構成する.特徴量学習のプロセスでは，変分オートエンコーダを用いて ，適用型時間-周波数解析を用いた突発性雑音のT-Fマップから，その特徴量を抽出する. 分類・除去のプロセスでは，特徴量学習のプロセスで学習した変分オートエンコーダのエンコーダと新たにスペクトラルクラスタリングを利用して， 突発性雑音を分類・除去をする，実際に今までの観測データ(突発性雑音データ)を用いて手法の信頼性の評価を進めた．また，AIが突発性雑音のどこに注目して分類をしているかの可視化手法の検討も進めた．
(2) AIと適用型時間-周波数解析を用いた重力波探査手法の開発：AIを用いた探査プログラムの開発を進めた．深層学習（1次元畳み込みニューラルネットワークや2次元畳み 込みニューラルネットワーク）を用いた手法に，それぞれ適用型時間-周波数解析結果の瞬時振幅や瞬時周波数，T-F マップを入力として導入を進め評価を進めた．また，重力波探査の際に，AIがどこを見て重力波信号と判断しているかの可視化手法に関しての研究も進め，第三次国際共同観測の際のノイズデータと超新星爆発のシミュレーション波形を用いた評価を行い，その有効性の評価も行った．

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

当初予定通り大幅な遅れもなく，各種手法の提案や実装・評価を行うことができている．また，研究目的に必要な要素技術はそろいつつある．

Strategy for Future Research Activity

AI+適用型時間-周波数解析を用いた探査については，まず，2023年度でそろいつつある(1)-(2)の要素技術の連携・統合を進めていく．簡単なモデル波形や数値シミュレーション波形を実際の観測装置のノイズに注入することで，プログラムや解析手法の有効性を確認していく．また，プログラム群のライブラリー化については，2024年後半頃，LVK の IGWN ソフトウェア開発チームの協力の下で，IGWN Conda Distribution に含まれるソフトウェアとすることを目指す.
さらに，2024年後半頃には、研究成果をまとめていく.

Research Products

• [Journal Article] Comparative study of 1D and 2D convolutional neural network models with attribution analysis for gravitational wave detection from compact binary coalescences (2024)
  • Author(s): Sasaoka Seiya、Koyama Naoki、Dominguez Diego、Sakai Yusuke、Somiya Kentaro、Omae Yuto、Takahashi Hirotaka
  • Journal Title: Physical Review D Volume: 109 Issue: 4 Pages: 043011-043011
  • DOI: 10.1103/physrevd.109.043011
  • Peer Reviewed
• [Journal Article] Features gradient-based signals selection algorithm of linear complexity for convolutional neural networks (2024)
  • Author(s): Omae Yuto、Sakai Yusuke、Takahashi Hirotaka
  • Journal Title: AIMS Mathematics Volume: 9 Issue: 1 Pages: 792-817
  • DOI: 10.3934/math.2024041
  • Peer Reviewed / Open Access
• [Journal Article] Visualizing convolutional neural network for classifying gravitational waves from core-collapse supernovae (2023)
  • Author(s): Sasaoka Seiya、Koyama Naoki、Dominguez Diego、Sakai Yusuke、Somiya Kentaro、Omae Yuto、Takahashi Hirotaka
  • Journal Title: Physical Review D Volume: 108 Issue: 12 Pages: 123033-123033
  • DOI: 10.1103/physrevd.108.123033
  • Peer Reviewed / Open Access
• [Journal Article] Overview of KAGRA : Data transfer and management (2023)
  • Author(s): KAGRA Collaboration
  • Journal Title: Progress of Theoretical and Experimental Physics Volume: 2023 Issue: 10 Pages: 102-102
  • DOI: 10.1093/ptep/ptad112
  • Peer Reviewed / Open Access / Int'l Joint Research
• [Journal Article] Precise analysis of gravitational waves from binary neutron star coalescence using Hilbert?Huang transform based on Akima spline interpolation (2023)
  • Author(s): Yoda Itsuki、Oohara Ken-ichi、Takahashi Hirotaka、Sakai Kazuki
  • Journal Title: Progress of Theoretical and Experimental Physics Volume: 2023 Issue: 8
  • DOI: 10.1093/ptep/ptad101
  • Peer Reviewed / Open Access
• [Presentation] 重力波データ解析への人工知能・機械学習の応用 (2024)
  • Author(s): 高橋弘毅
  • Organizer: 機械学習による天文学, 日本天文学会2024年春季年会, 東京大学（本郷キャンパス）
  • Invited
• [Presentation] Computing the Wave: Where the Gravitational Wave Community benefits from High-Energy Physics, and where it differs? (2024)
  • Author(s): Marco Meyer-Conde, Nobuyuki Kanda, Hirotaka Takahashi, Ken-ichi Oohara, Kazuki Sakai, on Behalf of KAGRA Collaboration
  • Organizer: 22nd International Workshop on Advanced Computing and Analysis Techniques in Physics Research (ACAT2024), Charles B. Wang Center, Stony Brook University, US
  • Int'l Joint Research
• [Presentation] CNN-LSTM を用いた重力波波形抽出のためのフィルタ生成 (2024)
  • Author(s): 高野光生, 高橋弘毅, 酒井一樹
  • Organizer: 日本物理学会 2024年春季大会, オンライン開催
• [Presentation] カーネル密度推定を応用したHilbert-Huang変換による重力波観測データの時間-周波数表現方法の高度化 (2024)
  • Author(s): 近歩久登, 高橋弘毅, 酒井一樹
  • Organizer: 電子情報通信学会総合大会, 広島大学 東広島キャンパス
• [Presentation] 畳み込みニューラルネットワークによる重力波の到来方向推定における最適な学習方法の検討 (2024)
  • Author(s): 海藤十和, 高橋弘毅, 酒井一樹
  • Organizer: 電子情報通信学会総合大会, 広島大学 東広島キャンパス
• [Presentation] 重力波のデータ解析 (2023)
  • Author(s): 高橋弘毅
  • Organizer: 宇宙線・宇宙物理領域シンポジウム 重力波第4期観測と理論研究の進展, 日本物理学会 第78回年次大会, 東北大学（青葉山キャンパス、川内キャンパス）
  • Invited
• [Presentation] Improving reproducibility, trustworthiness and fairness for diverse applications of machine learning (2023)
  • Author(s): Hirotaka Takahashi
  • Organizer: Minisymposium: Improving Reproducibility, Trustworthiness and Fairness in Machine Learning [00760] in 10th International Congress on Industrial and Applied Mathematics (ICIAM 2023), Waseda University
  • Int'l Joint Research / Invited
• [Presentation] Classification of Glitch Noise and Burst Gravitational Wave Search with Machine Learning Technique (2023)
  • Author(s): Hirotaka Takahashi, Yusuke Sakai, Naoki Koyama, Seiya Sasaoka, Kentaro Somiya, Yuto Omae
  • Organizer: International Conference on Machine Learning Physics, Kyoto University
  • Int'l Joint Research
• [Presentation] Visualization of Estimation Basis for Transient Noise Classification in Gravitational Wave Detectors Using Machine Learning (2023)
  • Author(s): Naoki Koyama, Yusuke Sakai, Seiya Sasaoka, Kentaro Somiya, Yuto Omae, Hirotaka Takahashi
  • Organizer: International conference on Machine Learning Physics, Kyoto University
  • Int'l Joint Research
• [Presentation] Some improvements of Hilbert-Huang transform for time-frequency analysis of gravitational waves (2023)
  • Author(s): Ken-ichi Oohara, Hirotaka Takahashi, Kazuki Sakai, Yuta Hiranuma, Masato Kaneyama, Mei Takeda, Itsuki Yoda
  • Organizer: XVIII International Conference on Topics in Astroparticle and Underground Physics 2023 (TAUP 2023), University of Vienna, Austria
  • Int'l Joint Research
• [Presentation] Deep Learning for Detecting Gravitational Waves from Compact Binary Coalescences and Its Visualization by Grad-CAM (2023)
  • Author(s): Seiya Sasaoka, Yilun Hou, Diego Dominguez, Suyog Garg, Naoki Koyama, Yusuke Sakai, Yuto Omae, Kentaro Somiya, Hirotaka Takahashi
  • Organizer: 38th International Cosmic Ray Conference (ICRC2023), Nagoya University
  • Int'l Joint Research
• [Presentation] Deep Learning Application for Detecting Gravitational Waves from Core-Collapse Supernovae (2023)
  • Author(s): Seiya Sasaoka, Yilun Hou, Diego Dominguez, Suyog Garg, Naoki Koyama, Yusuke Sakai, Yuto Omae, Kentaro Somiya, Hirotaka Takahashi
  • Organizer: 38th International Cosmic Ray Conference (ICRC2023), Nagoya University
  • Int'l Joint Research
• [Presentation] Comparison of training methods for Convolutional Neural Network model for Gravitational-Wave detection from Neutron Star－Black Hole Binaries (2023)
  • Author(s): Suyog Garg, Seiya Sasaoka, Diego Dominguez, Yilun Hou, Naoki Koyama, Kentaro Somiya, Hirotaka Takahashi, Masatake Ohashi
  • Organizer: 38th International Cosmic Ray Conference (ICRC2023), Nagoya University
  • Int'l Joint Research
• [Presentation] Convolutional Neural Network for Continuous Gravitational Waves Detection (2023)
  • Author(s): Diego Dominguez, Seiya Sasaoka, Suyog Garg, Yilun Hou, Naoki Koyama, Kentaro Somiya, Hirotaka Takahashi
  • Organizer: 38th International Cosmic Ray Conference (ICRC2023), Nagoya University
  • Int'l Joint Research
• [Presentation] Deep Learning for Gravitational Wave Detection and Its Analysis Using Grad-CAM”, XV International Conference on Gravitation (2023)
  • Author(s): Seiya Sasaoka, Yilun Hou, Diego Dominguez, Suyog Garg, Naoki Koyama, Yusuke Sakai, Yuto Omae, Kentaro Somiya, Hirotaka Takahashi
  • Organizer: Astrophysics and Cosmology (ICGAC15), Gyeongju, Korea,
  • Int'l Joint Research
• [Presentation] CNN-LSTM を用いた重力波解析による連星ブラックホール合体の質量パラメータの推定 (2023)
  • Author(s): 高野光生, 高橋弘毅, 酒井一樹
  • Organizer: 電子情報通信学会信越支部大会, オンライン開催
• [Presentation] Hilbert-Huang変換における補間法の比較検討および連星中性子星合体重力波の解析による評価 (2023)
  • Author(s): 酒井一樹, 陽田樹, 梁取大貴, 大原謙一, 高橋弘毅
  • Organizer: 日本物理学会 第78回年次大会, 東北大学（青葉山キャンパス、川内キャンパス）
• [Presentation] CNN-LSTM を用いた重力波解析による連星ブラックホール合体の質量パラメータの推定 (2023)
  • Author(s): 高野光生, 高橋弘毅, 酒井一樹
  • Organizer: 日本物理学会 第78回年次大会, 東北大学（青葉山キャンパス、川内キャンパス）