2022 Fiscal Year Annual Research Report
Study of non-parametric reconstruction algorithms of gravitational wave for real-time detection
| Project/Area Number |
22F21726
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Osaka Metropolitan University |
|---|
Principal Investigator |
神田 展行 大阪公立大学, 大学院理学研究科, 教授 (50251484)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
MEYER MARCO 大阪公立大学, 大学院理学研究科, 外国人特別研究員
|
|---|
| Project Period (FY) |
2022-04-22 – 2024-03-31
|
| Keywords | 重力波観測 / 機械学習 / データ解析 |
|---|
| Outline of Annual Research Achievements |
本研究（特別研究員奨励費）に採択された外国人特別研究員であるMarco Meyerは、来日後に重力波検出実験であるKAGRAコラボレーションに参加し、国際重力波観測のデータにアクセスできるようになった。
本研究代表者である神田は、自身の詳しいKAGRAと国際観測網のデータへのアクセス、およびKAGRAにおけるデータフローや計算機資源について、Meyerの研究へ接続すべく、研究打ち合わせを行なってきた。また、KAGRA実験についての知見も共有してきた。
Meyerを中心に、観測データを扱って本課題の主題である、非パラメトリック重力波再構成アルゴリズムの開発を進めた。
ここまでに開発が進んだ解析パイプラインでは、C++を用いてROOT (https://root.cern) と KFRライブラリ(https://www.kfrlib.com/)を含む信号処理を構築した。重力波観測の生データである FrameFormat形式とHDF5形式から、ROOTデータツリー形式への変換プログラムを作成した。このプログラムは並列オンラインでデータストリーム処理を実行できる。
さらに TMVA Machine Learning Toolkit を用いたニューラルネットワーク開発を進めた。さまざまなバックエンド (LWTNN と ONNX) でベンチマークを行い比較した。バッチサイズが小さい場合、ONNX ランタイムおよび LWTNN が優れているという結果を得ました。また、他の機械学習ライブラリである PyTorch と Keras も、 TMVA と相互運用している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
コロナウイルス感染症対策による入国制限のために、本研究の開始時期（来日時期）は当初予定の2021年4月からかなり遅れて2022年3月からになりました。しかし、外国人特別研究員本人の能力もあって、来日後の研究は概ね順調に進んでいます。機械学習の適用や、そのための観測データ前処理なども本人の手により構築し、スキルの高さも示しました。
しかし、2023年3月に怪我をして入院になってしまい、同月に予定していた国際会議発表と日本物理学会での発表をキャンセルせざるを得ない事態になりました。そのために、ロードマップとして考えていた発表が遅れています。
また会議参加のための交通費等の分、2022年度予で残額が生じてしまいました。
|
| Strategy for Future Research Activity |
2022年度中に開発したデータ前処理と機械学習を、新しい観測データに適用します。KAGRAを含む国際重力は観測網は、現在(2023年)第４次の共同観測を開始するところであり、新しいデータが期待できます。
非パラメトリック重力波再構成アルゴリズムについての評価を進めます。
また、2022年度に逸した成果発表の機会をとりもどすべく、学会や論文の発表を予定しています。
|
