Физики проверили, может ли машинное обучение помочь найти следы «новой физики» в гравитационно-волновых сигналах без помощи классических методов, и получили отрезвляющий результат. Эксперимент с реальным шумом детектора LIGO и данными исторического события GW150914 показал: когда величина отклонения от Общей теории относительности опускается ниже определённого порога, нейросетевой классификатор становится слепым. Поиск отклонений от теории Эйнштейна — одна из главных задач современной астрофизики. Каждое зарегистрированное слияние чёрных дыр пока что укладывается в предсказания Общей теории относительности в пределах погрешностей измерений, но экстремальная гравитация в момент столкновения остаётся манящим полигоном для проверки её пределов. Традиционный подход опирается на метод согласованной фильтрации — трудоёмкий математический аппарат, который сравнивает сигнал с библиотекой заранее просчитанных шаблонов. Он точен, но ограничен: если реальное отклонение выходит за рамки заложенных в шаблоны форм, метод его не увидит. Авторы новой работы задались вопросом: справится ли с этой задачей искусственный интеллект, обученный напрямую на данных, без опоры на физические модели? Они сконструировали гибридный классификатор, объединяющий одномерную свёрточную нейросеть с десятью статистическими признаками сигнала, рассчитанными вручную. Модель обучалась различать гравитационно-волновые сигналы, соответствующие Общей теории относительности, и сигналы с искусственно внесёнными отклонениями трёх типов: амплитудной, фазовой и частотной модуляцией. Сила отклонения задавалась безразмерным параметром β.
Источник: IXBT — https://www.ixbt.com/news/2026/09/19/436943-neiroset-ne-smogla-naiti-otkloneniia-ot-teorii-einsteina-v-dannyx-ligo.html
Комментарии