Deep learning applied to automatic detection of gravitational waves

Abstract

[CA] Les ones gravitacionals són una predicció fonamental de la teoría de la relativitat general d’Einstein, i la seua detecció ha obert noves vies per a estudiar l’univers. Els mètodes tradicionals per a detectar ones gravitacionals involucren l’anàlisi de les dades en brut a través de diverses tècniques de processament de senyals. No obstant, les tècniques d’aprenentatge profund han mostrat resultats prometedors en tasques de reconeixement de patrón si classificació, la qual cosa les converteix en un candidat adequat per a la detecció d’ones gravitacionals. En aquest treball, ens centrem en dissenyar i entrenar xarxes neuronals per a reconèixer senyals d’ones gravitacionals en les dades. Explorarem diferents arquitectures i hiper paràmetres per a optimitzar el rendiment de la xarxa. Els resultats mostren que les tècniques d’aprenentatge profund poden proporcionar un enfocament eficient i precís per a la detecció automática d’ones gravitacionals,la qual cosa pot beneficiar el camp de la física teòrica.

[ES] Las ondas gravitacionales son una predicción fundamental de la teoría de la relatividad general de Einstein, y su detección ha abierto nuevas vías para estudiar el universo. Los métodos tradicionales para detectar ondas gravitacionales implican el análisis de los datos en bruto a través de diversas técnicas de procesamiento de señales. Sin embargo, el aprendizaje profundo ha demostrado resultados prometedores en tareas de reconocimiento de patrones y clasificación, con resultados prometedores en detección de ondas gravitacionales como muestran algunos trabajos publicados hasta la fecha. En esta tesis, nos enfocamos en diseñar y entrenar redes neuronales para reconocer señales de ondas gravitacionales en los datos recogidos en los interferómetros. Exploramos diferentes arquitecturas e hiperparámetros para optimizar el rendimiento de la red. Los resultados muestran que las técnicas de aprendizaje profundo pueden proporcionar un enfoque eficiente y preciso para la detección automática de ondas gravitacionales, lo que puede beneficiar el campo de la física teórica.

[EN] Gravitational waves are a fundamental prediction of Einstein's theory of general relativity, and their detection has opened up new avenues for studying the universe. The traditional methods of detecting gravitational waves involve analyzing the raw data through various signal-processing techniques. However, deep learning techniques have shown promising results in pattern recognition and classification tasks, making them a suitable candidate for detecting gravitational waves, as some published works show. In this thesis, we focus on designing and training neural networks to recognize gravitational wave signals in the data collected at the interferometers. We explore different architectures and hyperparameters to optimize the network's performance. The results achieved so far show that deep learning techniques can provide an efficient and accurate approach to automatic detection of gravitational waves, which can benefit the field of theoretical physics