Симфония белых карликов: как нейросеть учится слышать гравитационную музыку LISA ✛ ✦
Вселенная не молчит: она наполнена непрерывным гравитационно-волновым гулом. Через десятилетие космическая обсерватория LISA настроит свои «уши» на миллигерцовый диапазон, и самым богатым источником окажется наша Галактика — десятки тысяч пар белых карликов, кружащихся в стремительном танце. Беда в том, что их сигналы сливаются в какофонию, заглушая друг друга. Чтобы разобрать эту космическую партитуру и понять эволюцию звёзд, нужен дирижёр с искусственным слухом, способный мгновенно выделить голос каждого инструмента. Именно такого дирижёра — нейросеть, обученную на симуляциях, — и предложили исследователи.
Вместо лобового штурма уравнений учёные применили симуляционное обучение с нормализующими потоками. Нейросеть прошла интенсивный курс: миллионы синтетических сигналов от двойных белых карликов, сгенерированных численным симулятором GBGPU с учётом реалистичного отклика лазерной интерферометрии LISA и инструментальных шумов. В итоге потоки научились превращать шум в готовое распределение вероятностей для восьми параметров: частота, небесные координаты, амплитуда, наклон, поляризация, фаза. Традиционный MCMC часами блуждает по ландшафту параметров, увязая в локальных максимумах; нейросеть же выдаёт тысячи выборок за секунду, даже не вычисляя правдоподобие — она «впитала» грамматику гравитационных сигналов, словно скрипач, узнающий инструмент по первому такту.
На низких частотах (1–6 мГц) сеть показала почти идеальное согласие с эталонным байесовским анализом, вплоть до хитрых мультимодальных структур для фазы и поляризации. С ростом частоты или при наложении двух сигналов точность чуть снижается, но скорость остаётся беспрецедентной: часы работы MCMC сжимаются в долю секунды. Этот успех — лишь увертюра. В будущем метод войдёт в глобальный фит: предобработчики сожмут данные, а нейросеть научится обрабатывать переменное число источников, решая трансмерную задачу. Так мы полностью расшифруем всю популяцию галактических двойных, не пропуская даже экзотические системы с нейтронными звёздами или чёрными дырами, и впервые построим карту звёздной эволюции по «звуку». По сути, мы создаём гравитационный слух, способный уловить симфонию небесных сфер, которую Эйнштейн предсказал, а Райнер Вайс научил подслушивать с помощью гигантских интерферометров.
Забавно, но нейросеть, обучившись на миллионах сигналов, начинает «понимать» физику без уравнений: она ловит тонкие корреляции, которые ускользают от явных формул, — словно музыкант, который не знает нот, но точно повторяет мелодию.
Идея миллиарда голосов, сливающихся в «симфонию», отсылает к «звуку» пульсирующей Вселенной из романа Станислава Лема «Глас Господа», а попытка вычленить отдельные «инструменты» перекликается с задачей SETI — найти осмысленный сигнал в океане природного шума.