Синхронный переводчик в зале, где выступают двое: он должен успеть и за смыслом, и за интонацией, но если говорить слишком быстро, остаётся только пересказ. Примерно так чувствуют себя учёные, когда поток гравитационных волн от слияний чёрных дыр и нейтронных звёзд растёт, а точные расчёты сигналов не поспевают. Детекторы LIGO и Virgo уже поймали сотни таких событий, но будущие установки — Einstein Telescope и Cosmic Explorer — увеличат поток на порядки. Каждое событие нужно обработать: сравнить с теоретическими шаблонами и оценить параметры, а на это уходят часы и дни вычислений.

Группа исследователей предложила двухступенчатую нейросеть, которая действует как тот самый переводчик: сначала быстро выдаёт черновик, а затем уточняет детали. Первая ступень — условный автоэнкодер — сжимает информацию о массах и спинах объектов в компактный код и по нему предсказывает амплитуду и фазу волны. Вторая ступень — калибровочная свёрточная сеть — подправляет остаточные ошибки, особенно в области слияния, где сигнал самый сложный. Затем волну «причёсывают»: сглаживают края синусоидальными окнами и встраивают в восьмисекундный нулевой сегмент, чтобы избежать артефактов преобразования Фурье.

Дальше — самое интересное. Авторы не просто измерили точность, а прогнали суррогат через полный байесовский конвейер: сгенерировали искусственные сигналы, добавили шум, восстановили параметры. Оказалось, что при отношении сигнал/шум (SNR) около 10 смещение в оценке массы становится сопоставимым со статистической неопределённостью. Для слабых сигналов такой суррогат годится без доработки, для громких — нужна либо точность 10⁻⁴, либо повторное взвешивание.

Работа отличается от соседних проектов тем, что проверяет суррогат в бою, а не только на точность формы. Это задаёт практический критерий для будущих каталогов: слабые события обрабатывать быстро, сильные — тщательно. И тогда переводчик, даже ошибаясь в деталях, не потеряет нить разговора.