Speaker
Description
機械学習は，重力波解析の様々な場面で使われているが，その一つに，パラメータ推定というものがある．パラメータ推定とは，その名の通り，重力波イベントで合体した天体の質量やスピン，重力波源までの距離，傾斜角などを推定することである．パラメータ推定の標準的な技法には，マッチドフィルターを用いたLALInference[1]や，Bilby[2]などのベイズ推定を用いたものがあるが，こうした推定，特に高精度なものには，たくさんの計算資源と，数時間~数日といった膨大な時間がかかる．
しかし，NSBHやBNSによる重力波の検出から，電磁波の放出を探すためには，1分以内のような速い解析が求められる．また，従来の技法によるパラメータ推定は，スーパーコンピュータや，研究室で買うような高額なコンピュータへのアクセスが限られている人びとにとっては，参入の障壁になってきた．
機械学習(条件付き変分オートエンコーダー：CVAE)とベイズ推定を用いたパラメータ推定ソフト「VItamin」は，訓練には数時間かかるものの，訓練を終えれば，数十秒でBBH合体による重力波のパラメータ推定を行うことができる．
この発表では，GitHubレポジトリで公開されたVItaminのモデルを一部改造し，参考文献[3]でも行われた，シミュレーション波形の解析テストの他，実際の波形(GW170809，GW190412，GW190512，GW200202)について解析テストを行った結果を報告する．実際の波形の解析結果は，データの概形は捉えていたものの，距離が近めにでたり，傾斜角が一定の値で貼り付く現象が見られた．また，遠くで発生したイベントでは，質量が大きめに出る現象が見られた．前者については，事前分布に強く引きずられる挙動や，学習が十分に進まなかった可能性が示唆され，後者については，検出器質量を推定しているために，宇宙論的赤方偏移zによる影響が見られていると考えられた．その他，VItaminのノイズの扱い(設計感度を元にした定常ガウスノイズで訓練)も影響を与えていると考えられる．
今回の解析では，家庭用のデスクトップパソコンで行った．テストデータの作成には10時間，訓練データの作成や訓練には数時間-1日，各々の解析には数十秒程度かかった．今回の結果は，家庭で買えるPCでも重力波の解析ができるといった，「インクルーシブ」な物理学への第一歩と言えるだろう．
- 参考文献[1]: https://lscsoft.docs.ligo.org/lalsuite/lalinference/index.html 2026年2月20日閲覧
- 参考文献[2]: https://bilby-dev.github.io/bilby/ 2026年2月21日閲覧
- 参考文献[3]: "Bayesian parameter estimation using conditional variational autoencoders for gravitational-wave astronomy"(Hunter Gabbard, Chris Messenger, Ik Siong Heng, Francesco Tonolini & Roderick Murray-Smith ,2021 https://www.nature.com/articles/s41567-021-01425-7)