Детектор Taiji, который планируют запустить в космос, будет улавливать дрожь пространства от столкновений огромных чёрных дыр. Но в его данных то и дело мелькают случайные всплески — как треск в радиоприёмнике. Эти помехи, называемые глитчами, сбивают с толку программы, которые пытаются извлечь параметры чёрных дыр: их массы, расстояния, скорости вращения.
Исследователи собрали умную нейросеть, которая работает как опытный радист: она вслушивается в сигнал, распознаёт характерные узоры помех и отбрасывает их, оставляя чистую мелодию слияния. Для тренировки они создали быстрый генератор искусственных глитчей — он рисует правдоподобные помехи за долю секунды, позволяя обучить сеть на миллионах примеров. В тестах такой подход выдавал более точные оценки, чем классический метод Монте-Карло, который перебирает варианты шаг за шагом.
Особенно полезна оказалась комбинация двух приёмов: нейросеть одновременно смотрит на сигнал во времени и по частотам, а контрастное обучение учит её отличать правильные ответы от похожих, но неверных. Такой подход остаётся надёжным, даже если помеха длится дольше обычного или приходит в самый ответственный момент слияния.
Проверка точности — отдельная история. Обычно смотрят, попадает ли истинное значение в предсказанный интервал. Но этого мало: сеть может давать интервалы, которые формально накрывают ответ, но распределение вероятностей при этом искажено. Поэтому авторы добавили более строгий критерий — непрерывную ранговую вероятностную оценку. Она сравнивает всю форму распределения, а не только его границы.
В итоге нейросетевой метод обещает быстрый и надёжный анализ данных с будущих космических детекторов. Это как иметь на борту не просто приёмник, а целую команду опытных радиоинженеров, которые за секунды вычищают эфир от треска и оставляют только голос далёких чёрных дыр.
Глитчи в детекторах гравитационных волн иногда настолько похожи на реальные сигналы, что даже опытные астрономы не сразу отличают их без дополнительной проверки.