图1显示了一组模拟的旋转恒星核心偏转重力波信号。每个信号平均为4个。633×10 - 3秒(带有standard偏差5。306×10 - 5)使用Apple M2芯片与金属性能着色器(MPS)框架生成。这些信号是我们的生成深度学习产生的,特别是深层结构生成的对抗网络(DCGAN)[2,3]。使用Richers等人对DCGAN进行了训练。[1]旋转恒星 - 循环波形波形猫猫,并占587。1秒钟在同一处理器上训练。可以将预先训练的DCGAN视为一种现象学模型,用于旋转核心塌陷引力波,模仿旋转恒星核心核心 - 循环引力信号的关键效果,表现出倒塌,弹跳,弹跳和早期的弹跳后和早期原proto Proto Proto-Proto-Proto-Proto-newutron Star的振动。来自银河系核偏转超新星的重力波应该使用电流降压器观察[6]。然而,在基于地球的GW探测器网络,Advanced Ligo [7],Advanced Pirgo [8]和Kagra [9] [10]之后,尚未观察到来自Stellar Core Comlapse的重力波[10]之后,尚未尚未观察到三个完整的观察跑(O1 – O3)和一个部分观察跑步(O4)。来自恒星核心偏转的重力波随附有关核心折叠动力学,爆炸机制,原始恒星的演变,旋转速率和核方程式的信息[6],可直接探究折叠式折叠的核心。出色的核心 - 循环引力波信号很难建模,连接引力,核,粒子,统计和数值物理学[11]和
主要关键词