New Developments on Tests of Gravity Theory by combining Gravitational Wave Data Analysis and Deep Learning based Denoising

2020 Fiscal Year Final Research Report

• Project/Area Number: 19K14717
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 15010:Theoretical studies related to particle-, nuclear-, cosmic ray and astro-physics
• Research Institution: Nagaoka National College of Technology
• Principal Investigator: Sakai Kazuki 長岡工業高等専門学校, 電子制御工学科, 助教 (40824298)
• Project Period (FY): 2019-04-01 – 2021-03-31
• Keywords: 重力波物理学 / ブラックホール / ノイズ除去 / ディープラーニング / 時系列データ解析

Outline of Final Research Achievements

Advanced LIGO succeeded in the first direct detection of gravitational waves, and the era of gravitational wave astronomy started. It is expected that we can test gravity theories in strong dynamic gravity fields by observing gravitational waves. Analyzing observed data requires reducing the effect of noise that is contained in the data.
In this research, I proposed and evaluated brand-new deep learning-based noise reduction methods for gravitational wave observed data. I conducted performance tests with simulated data for multiple methods and confirmed their effectiveness.

Free Research Field

重力波物理学

Academic Significance and Societal Importance of the Research Achievements

本研究ではディープラーニングを用いた重力波観測データに対するノイズ除去方法について検討し，その有効性を確認した。ノイズ除去が実行できれば，重力波の観測データを用いた重力理論検証の新たな方向性を生み出すことが期待される。具体的には，Hilbert-Huang変換や自己回帰モデルなどの時間領域での時系列データ解析は，周波数領域での解析手法よりもノイズの影響を大きく受けるかわりに，ブラックホールの準固有振動などのより詳細な解析ができると知られている。これらの手法をより高度に活用するために，本研究の成果が役立つと期待される。