研究課題/領域番号 |
23H01176
|
配分区分 | 補助金 |
研究機関 | 東京都市大学 |
研究代表者 |
高橋 弘毅 東京都市大学, デザイン・データ科学部, 教授 (40419693)
|
研究期間 (年度) |
2023-04-01 – 2026-03-31
|
キーワード | 重力波 / Hilbert-Huang変換 / 人工知能 / 超新星爆発 / バースト的重力波 |
研究実績の概要 |
2023年度は特に(1)-(3)に重点を置き研究を進めた. (1) Hilbert Huang変換(HHT)を用いたデータ処理の改良を進めた.特に,HHTの中で用いているアルゴリズムの改良をすることで,大幅にデータ処理の精度を上げることに成功したため,その成果を論文として出版した.また,HHTの処理の高速化のため並列処理のためのプログラム改良も進めて完了させた. (2)人工知能(AI)とHHTを用いた突発性雑音分類手法の開発:畳み込み深層ニューラルネットワークを用いた手法を提案し評価を進めた.この手法は,大きく2つのプロセス(特徴量学習と分類・除去)から構成している.具体的には,変分オートエンコーダにより突発性雑音の潜在変数(特徴量)を抽出し,スペクトラルクラスタリングにより分類する手法を開発・評価した.概ね予想していたパフォーマンスとなったため評価結果などをまとめ,現在論文として投稿し査読中である. (3)AIとHHTを用いた重力波探査手法の開発:深層学習(1次元畳み込みニューラルネットワーク(1D-CNN)や2次元畳み込みニューラルネットワーク(2D-CNN))を用いた重力探査手法についてはプロトタイプの作成を終え,LIGO O3のノイズデータと超新星爆発のシミュレーション、および、ブラックホールや中性子星などのコンパクトな星の連星の合体から得られる重力波波形を用いたテストを進め結果が得られた.1D-CNNと2D-CNNの推定結果はお互い着目している波形部分が違うということを定量的に示し,1D-CNNと2D-CNNの両方を使用しアンサンブルした方がより検出効率がよくなることを示した.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
研究実績の概要で述べたとおり,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.
|
今後の研究の推進方策 |
研究実績の概要の(1)-(3)の連携・統合を進めていく.最初に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する. HHT の改良やAIとの連携と並行して,既存の解析手法であるcoherent WaveBurst法を用いて T-F マップを作成している部分を HHT に置き換えた場合の性能評価を行っていく. また,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. 研究実績の概要の(2)(3)ともに今後,HHTにより作成した時間-周波数マップを各入力に使用するなどの改良が来年度の中心的なテーマとなる. それぞれで得られた研究成果を学会発表や論文などにまとめて行く.
|