Gravitational waves from compact binary mergers

Detalhes bibliográficos
Autor(a) principal: Freitas, Osvaldo Gramaxo de
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/1822/80709
Resumo: Dissertação de mestrado em Física
id RCAP_3ebae517ace7dab2aed0bfa499237329
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/80709
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Gravitational waves from compact binary mergersOndas gravitacionais de fusões binárias compactasOndas gravitacionaisBinários compactosDeep learningRedes neuronais convolucionaisInferência de parâmetrosGravitational wavesCompact binariesConvolutional neural networksParameter inferenceCiências Naturais::Ciências FísicasDissertação de mestrado em FísicaAs ondas gravitacionais (OG) são ondas no tecido do espaço-tempo causadas por fenómenos astrofísicos como supernovas de colapso do núcleo e fusões binárias compactas. Apesar das enormes energias envolvidas nestes eventos, a amplitude das OG geradas é notavelmente pequena, e a sua detecção directa não foi possível até muito recentemente: em 2015, os dois interferómetros da colaboração LIGO detectaram um evento astrofísico consistente com a fusão de dois buracos negros, dando início à era da astronomia de OG. A esta rede de detectores juntaram-se o interferómetro Virgo (Observatório Gravitacional Europeu) em 2017 e o interferómetro KAGRA (Universidade de Tóquio) em 2020, reforçando a nossa capacidade de detectar e analisar estes eventos. A sondagem de regimes de gravidade extrema promete abrir novas portas para testes de física fundamental. Por exemplo, OG de fusões de estrelas de neutrões e supernovas permitem a exploração de processos nucleares no núcleo de estrelas compactas. Outras aplicações incluem a utilização de OG de sistemas compactos para testes de gravidade de campo forte e teorias de gravidade modificada. Futuros interferómetros espaciais, como LISA, poderão permitir um estudo da física do início do universo para além do que é possível com a radiação electromagnética. No entanto, as actuais abordagens à análise de dados baseiam-se em métodos de match-filtering, que têm custos computacionais significativos. As técnicas de deep learning, que têm tido uma explosão no desenvolvimento ao longo das últimas décadas, têm demonstrado a capacidade de obter elevados níveis de performace tanto em precisão como em tempo de execução. Estes métodos foram naturalmente propostos como um potencial aliado para a detecção e inferência de parâmetros nos sinais de OG. Neste trabalho, exploramos a aplicação de redes neurais convolutivas em representações de tempo-frequência de OG de fusões binárias compactas, para a detecção de sinais e inferência de parâmetros. Mostramos que a detecção destes sinais pode ser alcançada com uma precisão significativa, e que a inferência de parâmetros físicos é viável nesta implementação.Gravitational waves (GW) are ripples in the fabric of spacetime caused by astrophysical phe nomena such as core-collapse supernovae and compact binary mergers. Despite the enormous energies involved in these events, the amplitude of the generated GWs is remarkably small, and their direct detection has been impossible until very recently: in 2015, the two inter ferometers of the LIGO collaboration detected an astrophysical event consistent with the merger of two black holes, ushering in a new era of GW astronomy. The detector network was joined by the European Gravitational Observatory’s Virgo interferometer in 2017 and the University of Tokyo’s KAGRA interferometer in 2020, further bolstering our capacity to detect and analyse these events. Probing extreme gravity regimes promises to open new doors for tests of fundamental physics. For example, GWs from neutron star mergers and supernovae allow for the explora tion of nuclear processes at the core of compact stars. Other applications include using GWs from compact systems for tests of strong-field gravity and modified gravity theories. Future space-based interferometers such as LISA may allow for a probing of early-universe physics beyond what is possible with electromagnetic radiation. However, current approaches to data analysis are based on match-filtering methods, which come with significant computa tional costs. Deep learning techniques, which have seen an explosion in development over the last couple of decades, have shown the capacity for high performace levels in both accuracy and speed at runtime. These methods have naturally been proposed as a potential ally for detection and parameter inference on GW signals. In this work, we explore the application of convolutional neural networks on time-frequency representations of GW data from compact binary mergers, for both signal detection and para meter inference. We show that the detection of these signals can be achieved with significant accuracy, and that physical parameter inference is feasible in this implementation.Onofre, A.Font Roda, José AntonioUniversidade do MinhoFreitas, Osvaldo Gramaxo de2021-10-202021-10-20T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/80709eng202991229info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:53:07Zoai:repositorium.sdum.uminho.pt:1822/80709Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T19:52:25.216798Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Gravitational waves from compact binary mergers
Ondas gravitacionais de fusões binárias compactas
title Gravitational waves from compact binary mergers
spellingShingle Gravitational waves from compact binary mergers
Freitas, Osvaldo Gramaxo de
Ondas gravitacionais
Binários compactos
Deep learning
Redes neuronais convolucionais
Inferência de parâmetros
Gravitational waves
Compact binaries
Convolutional neural networks
Parameter inference
Ciências Naturais::Ciências Físicas
title_short Gravitational waves from compact binary mergers
title_full Gravitational waves from compact binary mergers
title_fullStr Gravitational waves from compact binary mergers
title_full_unstemmed Gravitational waves from compact binary mergers
title_sort Gravitational waves from compact binary mergers
author Freitas, Osvaldo Gramaxo de
author_facet Freitas, Osvaldo Gramaxo de
author_role author
dc.contributor.none.fl_str_mv Onofre, A.
Font Roda, José Antonio
Universidade do Minho
dc.contributor.author.fl_str_mv Freitas, Osvaldo Gramaxo de
dc.subject.por.fl_str_mv Ondas gravitacionais
Binários compactos
Deep learning
Redes neuronais convolucionais
Inferência de parâmetros
Gravitational waves
Compact binaries
Convolutional neural networks
Parameter inference
Ciências Naturais::Ciências Físicas
topic Ondas gravitacionais
Binários compactos
Deep learning
Redes neuronais convolucionais
Inferência de parâmetros
Gravitational waves
Compact binaries
Convolutional neural networks
Parameter inference
Ciências Naturais::Ciências Físicas
description Dissertação de mestrado em Física
publishDate 2021
dc.date.none.fl_str_mv 2021-10-20
2021-10-20T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1822/80709
url https://hdl.handle.net/1822/80709
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv 202991229
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133115658010624

Registros relacionados