NeoSySPArtaN: A Neuro-Symbolic Spin Prediction Architecture for higher-order multipole waveforms from eccentric Binary Black Hole mergers using Numerical Relativity

要約

連星ブラックホールと中性子星の合体におけるスピンの大きさの予測は、これらの大変動の際に放出される天体物理学的プロセスと重力波（GW）信号を理解するために極めて重要です。
この論文では、ニューラル ネットワークとシンボリック回帰の力を組み合わせて、ブラック ホールと中性子星の合体のスピンの大きさを正確に予測する新しいニューロシンボリック アーキテクチャ (NSA) を紹介します。
私たちのアプローチは、SXS 波形カタログの数値相対性理論シミュレーションから得られた GW 波形データを利用します。
これら 2 つのアプローチを組み合わせることで、両方のパラダイムの長所を活用し、スピンの大きさの包括的かつ正確な予測を可能にします。
私たちの実験では、提案されたアーキテクチャが、NSA モデルについては 0.05 という優れた二乗平均平方根誤差 (RMSE) と 0.03 という平均二乗誤差 (MSE) を達成し、シンボリック回帰モデルのみについては 0.12 という優れた RMSE を達成していることを示しています。
独特の特性を示すことが知られている偏心候補に特に焦点を当てて、高次の多極子波形を処理できるようにこのモデルをトレーニングします。
私たちの結果は、合体におけるスピンの大きさを予測するための堅牢で解釈可能な枠組みを提供します。
これは、ブラック ホールの天体物理的特性の理解と、GW 信号の基礎となる物理学の解読に影響を与えます。

要約(オリジナル)

The prediction of spin magnitudes in binary black hole and neutron star mergers is crucial for understanding the astrophysical processes and gravitational wave (GW) signals emitted during these cataclysmic events. In this paper, we present a novel Neuro-Symbolic Architecture (NSA) that combines the power of neural networks and symbolic regression to accurately predict spin magnitudes of black hole and neutron star mergers. Our approach utilizes GW waveform data obtained from numerical relativity simulations in the SXS Waveform catalog. By combining these two approaches, we leverage the strengths of both paradigms, enabling a comprehensive and accurate prediction of spin magnitudes. Our experiments demonstrate that the proposed architecture achieves an impressive root-mean-squared-error (RMSE) of 0.05 and mean-squared-error (MSE) of 0.03 for the NSA model and an RMSE of 0.12 for the symbolic regression model alone. We train this model to handle higher-order multipole waveforms, with a specific focus on eccentric candidates, which are known to exhibit unique characteristics. Our results provide a robust and interpretable framework for predicting spin magnitudes in mergers. This has implications for understanding the astrophysical properties of black holes and deciphering the physics underlying the GW signals.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google