Нейронная сеть за секунду расшифровала гравитационные волны от слияния нейтронных звезд

Художественное представление слияния двойной нейтронной звезды, испускающей гравитационные волны и электромагнитное излучение. Обнаружение и анализ этих сигналов может дать глубокое понимание глубинных процессов. Автор: MPI-IS / A. Posada

Слияния двойных нейтронных звезд происходят в миллионах световых лет от Земли. Интерпретация гравитационных волн, которые они производят, представляет собой серьезную проблему для традиционных методов анализа данных. Эти сигналы соответствуют минутам данных от текущих детекторов и потенциально часам или дням данных от будущих обсерваторий. Анализ таких массивных наборов данных является вычислительно дорогим и требует много времени.

Международная группа ученых разработала алгоритм машинного обучения под названием DINGO-BNS (Deep INference for Gravitational-wave Observations from Binary Neutron Stars), который экономит драгоценное время при интерпретации гравитационных волн, испускаемых при слиянии двойных нейтронных звезд.

Они обучили нейронную сеть полностью характеризовать системы слияния нейтронных звезд примерно за секунду, по сравнению с примерно часом для самых быстрых традиционных методов. Их результаты были опубликованы в Nature под заголовком «Вывод в реальном времени для слияний двойных нейтронных звезд с использованием машинного обучения».

Почему важны вычисления в реальном времени?

Слияния нейтронных звезд сопровождаются испусканием видимого света (при последующем взрыве килоновой) и другого электромагнитного излучения в дополнение к гравитационным волнам.

«Быстрый и точный анализ данных гравитационных волн имеет решающее значение для локализации источника и наведения телескопов в правильном направлении как можно быстрее, чтобы наблюдать все сопутствующие сигналы», — говорит первый автор публикации Максимилиан Дакс, аспирант кафедры эмпирического вывода в Институте интеллектуальных систем Общества Макса Планка (MPI-IS), Швейцарской высшей технической школе Цюриха и Институте ELLIS в Тюбингене.

Метод в реальном времени может установить новый стандарт для анализа данных о слияниях нейтронных звезд, предоставив более широкому астрономическому сообществу больше времени для того, чтобы направить свои телескопы на сливающиеся нейтронные звезды, как только крупные детекторы коллаборации LIGO-Virgo-KAGRA (LVK) их идентифицируют.

«Текущие алгоритмы быстрого анализа, используемые LVK, делают приближения, которые приносят в жертву точность. Наше новое исследование устраняет эти недостатки», — говорит Джонатан Гейр, руководитель группы в отделе астрофизической и космологической теории относительности в Институте гравитационной физики Макса Планка в Потсдамском научном парке.

Действительно, структура машинного обучения полностью характеризует слияние нейтронных звезд (например, ее массы, спины и местоположение) всего за одну секунду без таких приближений. Это позволяет, среди прочего, быстро определять положение на небе на 30% точнее. Поскольку она работает так быстро и точно, нейронная сеть может предоставлять критически важную информацию для совместных наблюдений детекторов гравитационных волн и других телескопов.

Это может помочь в поиске световых и других электромагнитных сигналов, образующихся в результате слияния, и максимально эффективном использовании дорогостоящего времени наблюдений телескопа.

Запечатлеть слияние нейтронных звезд в действии

«Анализ гравитационных волн особенно сложен для двойных нейтронных звезд, поэтому для DINGO-BNS нам пришлось разработать различные технические инновации. К ним относится, например, метод адаптивного к событиям сжатия данных», — говорит Стивен Грин, научный сотрудник UKRI Future Leaders в Ноттингемском университете.

Бернхард Шёлькопф, директор отдела эмпирических выводов в MPI-IS и Институте ELLIS в Тюбингене, добавляет: «Наше исследование демонстрирует эффективность объединения современных методов машинного обучения со знаниями в области физики».

Однажды с помощью DINGO-BNS можно будет наблюдать электромагнитные сигналы до и во время столкновения двух нейтронных звезд.

«Такие ранние многоканальные наблюдения могут дать новое представление о процессе слияния и последующей килоновой, которые до сих пор остаются загадкой», — говорит Алессандра Буонанно, директор отдела астрофизической и космологической теории относительности в Институте гравитационной физики Общества Макса Планка.

Больше информации: Maximilian Dax, Real-time inference for binary neutron star mergers using machine learning, Nature (2025). DOI: 10.1038/s41586-025-08593-z. www.nature.com/articles/s41586-025-08593-z

Источник: Max Planck Society