В 2019 году на установке LIGO зафиксировали гравитационную волну — рябь в ткани пространства-времени, — чья частотно-временная карта напоминала причудливый гребень. Каждый такой сигнал от слияния чёрных дыр оставляет уникальный узор, похожий на отпечатки пальцев. Но проблема в том, что два совершенно разных явления могут рисовать почти неотличимые картины.

Если гравитационная волна проходит мимо массивного объекта, возникает эффект микролинзирования — фокусировки гравитационных волн компактным объектом. Частота и амплитуда сигнала начинают осциллировать, словно детектор улавливает интерференцию от нескольких копий одного события. С другой стороны, когда одна из чёрных дыр вращается, а её ось не совпадает с орбитальным моментом, плоскость орбиты начинает вращаться — это прецессия. Она тоже модулирует сигнал, но совершенно иным образом. Разделить эти сценарии быстро и надёжно — всё равно что отличить два похожих отпечатка, оставленных в разное время и с разной силой нажатия.

Исследователи создали базу из 60 000 синтетических отпечатков — численных симуляций сигналов трёх типов: микролинзированные без вращения, нелинзированные с прецессией и обычные невращающиеся. Каждый сигнал пропустили через реалистичные модели шума — от идеализированного гауссова до настоящих записей детектора LIGO Hanford за наблюдательный период O4a. Затем их превратили в Q-преобразования — частотно-временные изображения, где яркость соответствует энергии. Именно эти двумерные отпечатки и подавались на вход свёрточной нейросети с шестью блоками, обученной методами машинного обучения.

Результат удивил: в идеальном гауссовом шуме точность разделения микролинзированных и прецессирующих сигналов достигла 95%. В реальном шуме O4a она снизилась до 82% — но это всё равно прорыв для низко-латентной обработки данных. Ошибки возникали в двух случаях: когда искажения от линзы были едва заметны (при большом прицельном параметре и малой массе линзы), и когда короткий «чирп» от массивной двойной системы с экстремальным соотношением масс походил на осцилляции линзирования. Однако тест на 124 реальных событиях из каталога O4a подтвердил: модель, обученная на гауссовом шуме, надёжно выделяла обычные сигналы, не путая их с экзотикой.

Это первый шаг к массовому поиску компактных тёмных объектов — кандидатов в первичные чёрные дыры, из которых может состоять тёмная материя. Быстрое распознавание линзированных событий убережёт от систематических ошибок в определении расстояний и спинов, критичных для проверки космологических моделей и самой общей теории относительности. В будущем архитектуры нейросетей усложнятся, вобрав в себя эксцентричные орбиты, высшие моды излучения и гибридные сценарии с одновременным линзированием и прецессией. А пока каждый новый отпечаток, снятый с ткани пространства-времени, приближает нас к разгадке тёмной стороны Вселенной.