We zijn inmiddels halverwege de samenwerking tussen de UU, OU, Nikhef en Boosting Alpha rondom het toepassen van A.I. technieken voor de Einstein Telescoop. En het team heeft inmiddels een eerste deliverable klaar, project Gengli.

In de signalen van de gravitational wave (GW) detectors zijn eigenlijk drie dingen te vinden: (1) echte GW signalen, (2) gaussian noise (ruis uit de ruimte) en (3) glitches. Glitches zijn patronen in de data die moeilijk te onderscheiden zijn van echte GW signalen. Het vermoeden bestaat dat de glitches veroorzaakt worden door instrumenten of de omgeving (dus veroorzaakt door factoren op aarde). Zo zijn er een stuk of 50 verschillende vormen van glitches bekend.

Bij de huidige generatie zwaartekracht detectoren komen die glitches circa 1 keer per seconde voor in het gemeten signaal. Omdat de toekomstige Einstein Telescoop vele malen nauwkeuriger gaat worden (een factor 1000 tot 10.000) zullen die glitches straks dus heel vaak per seconde voorkomen. Er is dus een grotere noodzaak om die glitches nauwkeurig te herkennen en uit het signaal te filteren.

Met project Gengli heeft het team een zogenaamde “glitch generator” gebouwd/gepubliceerd. Hiermee kan synthetische data rondom glitches gegenereerd worden. Dit kan vervolgens weer als basiscomponent in allerlei andere tools gebruikt worden om A.I. systemen te trainen op het herkennen van glitches en het onderscheid maken tussen glitches en echte signalen. Technieken die hierin gebruikt worden zijn Generative Adversarial Networks (GAN) en BayesWaves.

Leuk om een eerste echt resultaat te zien dat nu in de goedkeuringspijplijn van het wereldwijde GW consortium zit.

Voor de geïnteresseerden is hier de link naar een presentatie rondom de nieuwe tool:
https://lnkd.in/emYpmSWU

Dit project komt tot stand met behulp van een subsidie uit het OP-Zuid programma (EU, MinEZK, Provincie Limbug).
#einsteintelescoop #boostingalpha