摘要：研究人员证明了一种新的，无监督的机器学习方法，可以在激光干涉仪重力波动台的辅助通道数据中找到新模式。...
得益于加利福尼亚大学里弗赛德分校的科学家的工作，在重力波检测的Ligo设施产生的大型，复杂数据集中的噪音变得更加容易。
UCR研究人员在最近的IEEE Big-Data研讨会上介绍了一篇论文，展示了一种新的，无监督的机器学习方法，以在激光干涉仪重力波动波动台的辅助通道数据中找到新模式。该技术还可能适用于大型粒子加速器实验和大型复杂工业系统。
Ligo是一个检测引力波的设施 - 由巨大身体加速产生的时空本身的瞬时干扰。这是第一个从合并黑洞中检测到的波浪的人，证实了爱因斯坦相对论的关键部分。 Ligo在华盛顿州汉福德和路易斯安那州利文斯顿的两个4公里长的干涉仪中，通过使用高功率激光梁来检测引力波。这些探测器的发现提供了一种新的方式来观察宇宙，并解决有关黑洞，宇宙学和宇宙中最密集状态的性质的问题。
两个LIGO探测器中的每一个都记录了成千上万的数据流或通道，这些数据流构成了位于检测器位点的环境传感器的输出。
领导UCR Ligo集团的物理学和天文学助理教授乔纳森·理查森（Jonathan Richardson）表示：“我们与LIGO专员密切合作开发的机器学习方法，完全由数据中的数据完全识别出数据。” “我们发现它可以很好地恢复Ligo探测器站点的操作员已知的环境'状态，根本没有人类的投入。这为我们可以使用的强大新实验工具打开了我们可以用来帮助定位噪声耦合并直接指导探测器的未来改进的大门。”
理查森（Richardson）解释说，Ligo探测器对任何类型的外部干扰都极为敏感。他说，地面运动和任何类型的振动运动 - 从风向撞击格陵兰岛或太平洋海岸的海浪 - 都会影响实验的灵敏度和数据质量，从而导致“小故障”或增加噪声爆发的时期。
他说：“监视环境条件是在这些地点不断完成的。” “ Ligo具有超过100,000个辅助通道，具有地震仪和加速度计，可以感知干涉仪所在的环境。我们开发的工具可以识别出许多精心挑选和策划的传感通道的不同环境状态，例如地震，微观主义和人为噪声。”
计算机科学与工程学副教授Vagelis Papalexakis担任Ross家族科学主席，介绍了该团队的论文，标题为“多变量时间序列聚类，用于基于地面的重力波探测器的环境表征”，在IEEE EEEE的第5届国际工具工具和AI工具和AI工具案例中，将其探索供您进行，以探索INSTOR，并将其验证为distoction，该公司的第5次国际工程均进行了研究。
Papalexakis说：“我们的机器学习方法的工作方式是，我们采用一个模型，负责识别数据集中的模式，并让该模型自行查找模式。” “该工具能够识别与人类运营商和专员在Ligo站点已经知道的具有物理意义的环境状态的相同模式。”
Papalexakis补充说，该团队曾与Ligo Scientific合作合作，以确保发布非常大的数据集，该数据集与研究论文中报道的分析有关。此数据发布使研究社区不仅可以验证团队的结果，而且还可以开发出试图识别数据模式的新算法。
Papalexakis说：“我们已经确定了外部环境噪声与某些类型的故障损害数据质量之间的迷人联系。” “这一发现有可能帮助消除或防止这种噪音的发生。”
该团队组织并通过所有Ligo频道工作了大约一年。理查森指出，数据发布是一项重大任务。
他说：“我们的团队代表整个Ligo Scientific Collakoration率先发行了这一发布，该合作有大约3200名成员。” “这是这些特定类型的数据集中的第一个，我们认为这将对机器学习和计算机科学界产生很大的影响。”
理查森（Richardson）解释说，团队开发的工具可以从许多异质传感器的信号中获取信息，这些传感器正在测量Ligo站点周围的不同干扰。他说，该工具可以将信息提炼成单个状态，然后可以用来搜索Ligo检测器中噪声问题何时发生的时间序列关联，并将它们与当时的网站环境状态相关联。
他说：“如果可以识别模式，则可以对检测器进行物理更改 - 例如，更换组件。” “希望我们的工具可以阐明物理噪声耦合途径，从而可以对LIGO探测器进行可行的实验更改。我们的长期目标是使该工具用于检测新的关联和新形式的环境状态，与干涉仪中与未知噪声问题相关的新形式。”
Pooyan Goodarzi是与Richardson合作的博士生，也是该论文合着者，他强调了公开发布数据集的重要性。
他说：“通常，这样的数据往往是专有的。” “尽管如此，我们还是设法发布了一个大规模数据集，我们希望在数据科学和机器学习方面进行更多的跨学科研究。”
该团队的研究得到了通过特殊计划授予的国家科学基金会的一笔赠款的支持，该计划使用AI驱动的工具进行了进步，专注于应用人工智能/机器学习来解决物理科学中的问题。
理查森（Richardson），帕帕莱克斯基（Papalexakis）和古德尔兹（Goodarzi）与帕帕莱克斯基（Papalexakis）合作的博士生Rutuja Gurav加入了研究；艾萨克·凯利（Isaac Kelly），夏季本科生的REU学生；利文斯顿观测站的Anamaria灭火器；以及Barry Barish，UCR杰出的物理和天文学教授。
