Uzay tabanlı Laser Interferometer Space Antenna (LISA) projesi, yerçekimi dalgası tespit teknolojisinde yeni bir dönemi başlatacak. Ancak bu sistem, yeryüzündeki LIGO gibi dedektörlerden tamamen farklı zorluklarla karşılaşıyor.
LIGO'nun temel görevi, yüksek enstrümantal gürültü içinde gizli kalmış nadir sinyalleri bulmak. LISA ise tamamen farklı bir problemle uğraşıyor: veri akışında milyonlarca çözümlenemeyen galaktik çift yıldız sistemi bulunuyor. Bu sistemler bir karışıklık arka planı oluşturuyor ve asıl görev, bu sinyal topluluğu içinden öne çıkan kaynakları ayırt etmek.
Araştırmacılar bu separation problemini çözmek için manifold öğrenme araçlarının potansiyelini araştırdı. Geliştirdikleri CNN autoencoder modeli, confusion background üzerinde eğitildi ve yeniden yapılandırma hatası kullanılarak çalışıyor.
Modelin ayırt edici özelliği, latent uzayındaki geometrik yapıyı da kullanması. Manifold tabanlı normalizasyon terimi anomali skoruna eklenerek, sistemin performansı artırılıyor.
Test sürecinde sentetik LISA verileri kullanıldı. Bu veriler enstrümantal gürültü ve confusion background içeriyordu. Sistem, içine massive binary gibi çözümlenebilir kaynaklar enjekte edilen veri setleri üzerinde test edildi. Bu yaklaşım, uzay tabanlı yerçekimi dalgası astronomisinin karmaşık veri işleme gereksinimlerine yenilikçi bir çözüm öneriyor.