This study presents a comparative analysis of two convolutional neural network architectures, one-dimensional (1D) and two-dimensional (2D), for detecting gravitational wave signals from compact binary coalescences.
The findings revealed that the 1D model showed superior performance in detecting BBH signals, while the 2D model excelled in identifying NSBH and BNS signals.
Notably, the ensemble model outperformed both individual models across all signal types, demonstrating enhanced detection capabilities.
Additionally, input feature visualization indicated distinct areas of focus in the data for the 1D and 2D models, emphasizing the effectiveness of their combination.

이 연구에서는 컴팩트 비너리 코잔센스(CBC)의 광파동 신호를 감지하기 위해 1차원(1D)과 2차원(2D) 卷积 뉴런 네트워크 모델을 비교적으로 분석합니다.
결과는 1D 모델이 BBH 신호를 감지하는데 우수한 성능을 보였으며, 2D 모델은 NSBH와 BNS 신호를 감지하는데 더욱 잘 적합했습니다.
또한 2D 모델은 1D 모델보다 더 효과적으로 작동하며, 모든 신호 유형에서 각 개별 모델을 초월하여 향상된 감지 능력을 보였습니다.
입력 기능 시각화는 1D와 2D 모델의 결합에 있어 효과적이라는 것을 강조합니다.
områžníky (Korean):
* 용어1: 설명
* 용어2: 설명
* 용어3: 설명

참고 논문 또는 관련 자료:
* [1] 제목, 저자/출처, URL
* [2] 제목, 저자/출처, URL

Comparative study of 1D and 2D convolutional neural network models with attribution analysis for gravitational wave detection from compact binary coalescences Seiya Sasaoka,1 Naoki Koyama,2 Diego Dominguez,1 Yusuke Sakai,3 Kentaro Somiya,1 Yuto Omae,4 and Hirotaka Takahashi3, 5, 6 1Department of Physics, Tokyo Institute of Technology, 2-12-1 Ookayama, Meguro-ku, Tokyo 152-8551, Japan 2Graduate School of Science and Technology, Niigata University, 8050 Ikarashi-2-no-cho, Nishi-ku, Niigata City, Niigata 950-2181, Japan 3Department of Design and Data Science and Research Center for Space Science, Advanced Research Laboratories, Tokyo City University, 3-3-1 Ushikubo-Nishi, Tsuzuki-ku, Yokohama, Kanagawa 224-8551, Japan 4Artificial Intelligence Research Center, College of Industrial Technology, Nihon University, 1-2-1 Izumi-cho, Narashino, Chiba 275-8575, Japan 5Institute for Cosmic Ray Research (ICRR), The University of Tokyo, 5-1-5 Kashiwa-no-Ha, Kashiwa City, Chiba 277-8582, Japan 6Earthquake Research Institute, The University of Tokyo, 1-1-1 Yayoi, Bunkyo-ku, Tokyo 113-0032, Japan (Dated: February 1, 2024) Recent advancements in gravitational wave astronomy have seen the application of convolutional neural networks (CNNs) in signal detection from compact binary coalescences. This study presents a comparative analysis of two CNN architectures: one-dimensional (1D) and two-dimensional (2D) along with an ensemble model combining both. We trained these models to detect gravitational wave signals from binary black hole (BBH) mergers, neutron star-black hole (NSBH) mergers, and binary neutron star (BNS) mergers within real detector noise. Our investigation entailed a compre- hensive evaluation of the detection performance of each model type across different signal classes. To understand the models’ decision-making processes, we employed feature map visualization and attribution analysis. The findings revealed that while the 1D model showed superior performance in detecting BBH signals, the 2D model excelled in identifying NSBH and BNS signals. Notably, the ensemble model outperformed both individual models across all signal types, demonstrating enhanced detection capabilities. Additionally, input feature visualization indicated distinct areas of focus in the data for the 1D and 2D models, emphasizing the effectiveness of their combination. I. INTRODUCTION The era of gravitational wave (GW) astronomy was inaugurated with the first direct detection of GWs from a binary black hole (BBH) merger by the Ad- vanced Laser Interferometer Gravitational-wave Obser- vatory (Advanced LIGO) [1] in 2015 [2]. This ground- breaking discovery was followed by the first joint obser- vation of GWs and electromagnetic counterparts from a binary neutron star (BNS) merger, achieved by Ad- vanced LIGO, Advanced Virgo [3], and other telescopes, paving the way for multimessenger astronomy [4]. Over the course of three observing runs (O1, O2, and O3), 90 GW events from compact binary coalescences (CBCs) were reported [5–8]. These events included two neutron star-black hole (NSBH) mergers [9] and two BNS merg- ers [10, 11]. The detection of GWs, alongside electromag- netic waves and neutrinos from these mergers, is vital for understanding the physical properties of neutron star interiors, which are reflected in their equation of state. Now, with the commencement of the fourth observing run (O4) in May 2023, which includes the participation of KAGRA [12], expectations are high for more GW de- tections from binary systems with neutron…

소형 바이너리 합병에서 중력 파 검출을위한 속성 분석을위한 1D 및 2D Convolutional Neural Network 모델의 비교 연구 Seiya Sasaoka, 1 Naoki Koyama, 2 Diego Dominguez, 1 Yusuke Sakai, 3 Kentaro Somiya, 1 Yuto Omae, 4 및 Hirotaka Takahashi3, 5, 6, 6, 6, 6, 6, 5, 6, hirotaka takahhashi3.
기술, 2-12-1 Ookayama, Meguro-Ku, 도쿄 152-8551, 일본 과학과 기술 대학원, Niigata University, 8050 Ikarashi-2-No-Cho, Nishi-Ku, Niigata City, Niigata 950-2181, Japan 3 Department of Design and Research Science, Tokyo University, Tokyo Laboratories, Tokyo Laboratories.
Ushikubo-Nishi, Tsuzuki-ku, Yokohama, Kanagawa 224-8551, 일본의 4Artificial Intelligence Research Center, Nihon University, 1-2-1 Izumi-Cho, Narashino, Chiba 275-8575, Cosmic Ray Research (ICRR), 5-1-5, 5-1-5.
카시와 노하, 카시와 시티, 치바 277-8582, 일본 6earthquake Research Institute, 도쿄 대학, 1-1-1 야요이, 벙키-쿠, 도쿄 113-0032, 일본 (Deated : 2 월 1 일, 2024 년)의 무력성 구멍 (Clutional Neural Newnns)을 보았습니다.
소형 바이너리 합류.
이 연구는 두 가지 CNN 아키텍처의 비교 분석을 제시합니다 : 1 차원 (1D) 및 2 차원 (2D)과 함께 두 가지를 결합한 앙상블 모델.
우리는이 모델을 훈련시켜 바이너리 블랙홀 (BBH) 합병, 중성자 스타 블랙 홀 (NSBH) 합병에서 중력파 신호를 감지하여 실제 탐지기 노이즈 내에서 이진 중성자 스타 (BNS) 합병을 감지했습니다.
우리의 조사는 서로 다른 신호 클래스에서 각 모델 유형의 탐지 성능에 대한 주제 평가를 수반했습니다.
모델의 의사 결정 프로세스를 이해하기 위해 기능지도 시각화 및 속성 분석을 사용했습니다.
결과는 1D 모델이 BBH 신호를 검출하는 데있어 우수한 성능을 보였지만, 2D 모델은 NSBH 및 BNS 신호를 식별하는 데 탁월하다는 것을 보여 주었다.
특히, 앙상블 모델은 모든 신호 유형에 걸쳐 두 개별 모델을 능가하여 향상된 탐지 기능을 보여줍니다.
또한 입력 기능 시각화는 1D 및 2D 모델에 대한 데이터에서 뚜렷한 초점 영역을 나타내어 조합의 효과를 강조했습니다.
I.
소개 중력파 (GW) 천문학의 시대는 2015 년에 이진 레이저 간섭계 중력 관측 (고급 리고) [1]에 의해 이진 블랙홀 (BBH) 합병에서 GWS의 첫 직접 감지와 함께 개설되었다 [2].
이 근거가 발견 된 발견에 이어, 이진 중성자 별 (BNS) 합병으로부터 GWS와 전자기 상대방의 첫 번째 관찰이 뒤 따랐다.
3 번의 관찰 실행 (O1, O2 및 O3) 과정에서 소형 이진 합병 (CBC)의 90 GW 사건이보고되었다 [5-8].
이 사건에는 2 개의 중성자 스타 블랙 홀 (NSBH) 합병 [9]과 2 개의 BNS 합병 [10, 11]이 포함되었습니다.
이러한 합병에서 전자기파 및 중성미자와 함께 GWS의 검출은 중성자 별 내부의 물리적 특성을 이해하는 데 필수적이며, 이는 상태 방정식에 반영됩니다.
이제 2023 년 5 월 Kagra [12]의 참여를 포함하여 4 번째 관찰 실행 (O4)이 시작되면서 중성자가있는 이진 시스템에서 더 많은 GW 감소에 대한 기대치가 높습니다.