题 目：机器学习方法在引力波模板构建和数据处理中的应用

报告人：宋翰林 北京大学物理学院

时 间：2025年7月2号（星期三）16:00

地 点：物理学院 LE201

邀请人：李昊

报告摘要：自2015年9月首次观测到双黑洞并合的引力波信号以来, LIGO-Virgo-KAGRA国际引力波合作组已累计探测到200余例致密双星并合事件。引力波信号通常可划分为旋进, 并合以及铃宕三个阶段。通过将理论计算得到的引力波波形模板与观测数据进行匹配滤波, 可有效提取致密双星系统的物理参数。如何构建更为精确的波形模板及实现对观测数据的高效处理, 仍是当前引力波物理研究中的重要课题。本报告将首先介绍如何通过物理信息神经网络(PINN)求解Kerr黑洞的Teukolsky方程，从而快速提取黑洞的简正模, 用于构建铃宕阶段的引力波波形模板。随后, 将介绍机器学习方法在检验Einstein-dilaton-Gauss-Bonnet引力理论中的应用。针对空间引力波探测器观测频段内的超大质量双黑洞并合的引力波信号, 可通过参数化的后爱因斯坦方法构建波形模板库, 并结合归一化流算法, 训练出一个高效且精确的模型,用于快速处理引力波数据。