Forschungsbericht 2025 - Max-Planck-Institut für Intelligente Systeme, Standort Tübingen
Gravitationswellen blitzschnell mit KI entschlüsseln
Max-Planck-Institut für Gravitationsphysik, Abteilung Astrophysikalische und Kosmologische Relativitätstheorie
Die Verschmelzung zweier Neutronensterne findet typischerweise viele Millionen Lichtjahre von der Erde entfernt statt. Die dabei erzeugten Gravitationswellen auszuwerten, stellt eine große Herausforderung für herkömmliche Methoden der Datenanalyse dar. Die Signale umfassen bei derzeitigen Detektoren einige Minuten und bei zukünftigen Observatorien möglicherweise Stunden bis Tage an Daten. Die Analyse solch umfangreicher Datensätze ist rechenintensiv und zeitaufwändig.
Um diesem Problem zu begegnen, haben wir eine Methode des maschinellen Lernens entwickelt, die wertvolle Zeit bei der Interpretation von Gravitationswellen spart, die zwei Neutronensterne bei ihrer Verschmelzung aussenden. Wir haben ein neuronales Netzwerk so trainiert, dass das System verschmelzende Neutronensterne im Handumdrehen charakterisieren kann.
Unseren Algorithmus nennen wir DINGO-BNS: Deep INference for Gravitational-wave Observations from Binary Neutron Stars. Dieser spart kostbare Zeit bei der Interpretation von Gravitationswellen. Das neuronale Netz braucht nur eine Sekunde, um Systeme verschmelzender Neutronensterne vollständig zu charakterisieren. Die schnellsten herkömmlichen Methoden benötigen dafür etwa eine Stunde. Unser Team hat die Forschungsergebnisse im März 2025 im Fachjournal Nature veröffentlicht [3].
Schnelle und genaue Analyse
Bei der Verschmelzung von Neutronensternen werden neben den Gravitationswellen auch sichtbares Licht – bei der anschließenden Kilonova-Explosion – und weitere elektromagnetische Strahlung ausgesandt. Dabei besitzen Gravitationswellen-Detektoren den großen Vorteil, dass sie praktisch den gesamten Himmel gleichzeitig abscannen. Das erlaubt es, Verschmelzungsereignisse zu entdecken und lokalisieren, um die weitere Beobachtung mit anderen Teleskopen vom Radio- über den optischen bis in den Gammabereich zu ermöglichen. Eine schnelle und genaue Analyse der Gravitationswellen-Daten ist deshalb entscheidend, um die Quelle zügig zu lokalisieren und andere Teleskope so schnell wie möglich auszurichten, um alle zugehörigen Begleitsignale zu beobachten.
Die Echtzeit-Methode könnte einen neuen Standard für die Datenanalyse von Neutronenstern-Verschmelzungen setzen und Astronominnen und Astronomen mehr Zeit geben, ihre Teleskope auf die verschmelzenden Neutronensterne auszurichten, sobald die großen Gravitationswellen-Detektoren der LIGO-Virgo-KAGRA (LVK)-Kollaboration diese Signale aufspüren. Die Algorithmen zur Echtzeit-Analyse, die die LVK-Kollaboration derzeit verwendet, verwenden Näherungen, die auf Kosten der Genauigkeit gehen. Unsere neue Studie behebt diese Schwächen.
Ganz ohne solche Näherungsverfahren charakterisiert die maschinelle Lernmethode Verschmelzungen von Neutronensternen (zum Beispiel ihre Masse, ihre Rotation und ihre Position) in nur einer Sekunde vollständig. Dies ermöglicht es unter anderem, die Position am Himmel um 30 Prozent genauer zu bestimmen. Weil unser neuronales Netz derart schnell und genau arbeitet, kann es wichtige Informationen für gemeinsame Beobachtungen der Gravitationswellen-Detektoren und anderer Teleskope liefern. Die maschinelle Lernmethode kann helfen, nach sichtbarem Licht und anderen elektromagnetischen Signalen zu suchen, die bei der Verschmelzung entstehen, um dabei die teure Beobachtungszeit der Teleskope bestmöglich zu nutzen.
Verschmelzende Neutronensterne auf frischer Tat ertappen
Die Analyse der Gravitationswellen von Doppelneutronensternen ist besonders anspruchsvoll, sodass wir für DINGO-BNS verschiedene technische Innovationen entwickeln mussten. Dazu gehört zum Beispiel eine Methode zur Datenkompression, die sich den Ereignissen anpasst. Unsere Studie zeigt auch, wie effektiv es ist, moderne maschinelle Lernmethoden mit physikalischem Fachwissen zu kombinieren.
DINGO-BNS könnte eines Tages helfen, elektromagnetische Signale vor und zum Zeitpunkt der Kollision zweier Neutronensterne zu beobachten. Solche frühen Multi-Messenger-Beobachtungen könnten neue Erkenntnisse über den Verschmelzungsprozess und die anschließende Kilonova liefern, die immer noch nicht vollständig verstanden sind.
