-报告题目：基于深度学习的引力波数据处理技术
-报告人：王赫博士 北京师范大学物理系
-报告时间：2020/1/10 上午9:30 地点：科研楼106会议室
-报告摘要：引力波是广义相对论最重要的理论预言之一。引力波天文学已进入到大数据阶段，并且随着数据处理速度和精度的提高，包含引力波等多种波源信号的同步观测，将开创全新的宇宙观测窗口——多信使天文学。匹配滤波技术是现行最主要的引力波数据处理方式，但由于其计算开销大和模板依赖等技术局限性，将会成为未来大数据引力波天文学的巨大隐患。近几年来的最新研究表明，基于深度学习的数据处理方式将会在这些问题上提供出路。我们通过构建神经网络模型，对模拟和真实噪声背景下的引力波信号进行了一系列研究，对于模型数据的制备、训练优化，对信号识别的性能和泛化能力做出了系统性的讨论。最终，我们提出了全新的 MFCNN 模型，能够高效且准确的识别真实引力波探测数据中的已证实的引力波信号。在本报告中，我们还会尽可能详尽地说明引力波数据本身的特征特点、引力波数据处理工作的研究进展以及基于深度学习技术的引力波数据处理方法等等。
