Deep Learning the Dark Universe with Gravitational Waves
Gravitational wave astronomy has opened an extraordinary new window to test the theory of gravity in the genuinely strong, highly dynamical and relativistic regime. The LIGO-Virgo Collaboration has now detected over 50 mergers of...
Gravitational wave astronomy has opened an extraordinary new window to test the theory of gravity in the genuinely strong, highly dynamical and relativistic regime. The LIGO-Virgo Collaboration has now detected over 50 mergers of compact binary systems and this number will considerably increase in the coming years. There are currently two main issues related to the possibility of testing gravity with gravitational wave observations: the weakness of parametric tests of General Relativity to go beyond null tests and the very long inference time required by standard samplers which can take up to months. Specific waveform models and new techniques to speed up statistical inference are therefore crucial to maximise the scientific return of already available and upcoming data. In this project, we will construct an analytical model of the gravitational waves emitted during the late inspiral and merger of compact objects in theories of gravity that are cosmologically motivated, namely that have a chance to explain Dark Energy. We will then leverage deep learning techniques to promptly produce the posterior for the corresponding parameters given the detector data. To this aim, we will build up on two codes developed by one of the supervisors - ROMAN and PERCIVAL - which pioneered the use of machine learning in gravitational wave science. We will then apply this new pipeline to the real LIGO-Virgo data and perform Bayesian inference of Dark Energy parameters. All together this project will provide a new and complete framework to test the dark Universe with gravitational wave observations, exploiting state-of-the-art deep learning techniques.ver más
06-11-2024:
IDAE Cadena de Valor...
Se ha cerrado la línea de ayuda pública: Ayudas a Proyectos para reforzar la Cadena de Valor de equipos necesarios para la transición a una economía de cero emisiones netas
05-11-2024:
Cataluña Gestión For...
Se abre la línea de ayuda pública: Gestión Forestal Sostenible para Inversiones Forestales Productivas para el organismo:
04-11-2024:
Doctorados industria...
Se ha cerrado la línea de ayuda pública: Formación de doctores y doctoras de las universidades del Sistema universitario de Galicia (SUG) en empresas y centros de innovación y tecnología para el organismo:
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.