초록 ▼

○ Hilbert-Huang 변환을 이용한 시계열 데이터의 이상징후 감지 소프트웨어 개발
- 저주파 영역의 시간분해능 장점을 지닌 이상징후 감지 알고리즘 개발완료
- 성능테스트 가능한 소프트웨어 구현완료
○ 데이터 채널간 상관관계를 이용한 잡음 모니터링 연구
- 선형/비선형 상관관계를 활용한 잡음 모니터링 소프트웨어 개발
- 잡음 모니터닝 가능 확인
○ N-body 시뮬레이션 데이터 분석 코드 개발
- 은하 충돌 데이터 분석 코드 개발
- 데이터 분석을 통한 천체물리학적 결론 도출
○

○ Hilbert-Huang 변환을 이용한 시계열 데이터의 이상징후 감지 소프트웨어 개발
- 저주파 영역의 시간분해능 장점을 지닌 이상징후 감지 알고리즘 개발완료
- 성능테스트 가능한 소프트웨어 구현완료
○ 데이터 채널간 상관관계를 이용한 잡음 모니터링 연구
- 선형/비선형 상관관계를 활용한 잡음 모니터링 소프트웨어 개발
- 잡음 모니터닝 가능 확인
○ N-body 시뮬레이션 데이터 분석 코드 개발
- 은하 충돌 데이터 분석 코드 개발
- 데이터 분석을 통한 천체물리학적 결론 도출
○ 기계학습법을 이용한 신호 및 잡음 분류 연구 수행
- 인공신경망 자체 구현
- 심화학습을 이용하여 다차원의 입력 데이터 분류 연구

Abstract ▼

II. Goals and Necessity of the Research and Development
International scientific collaboration projects such as LIGO, Virgo and KAGRA gravitational-wave detectors have been upgraded or soon be in operation. We study effective methods and develop softwares to classify gravitational-wave signals an

II. Goals and Necessity of the Research and Development
International scientific collaboration projects such as LIGO, Virgo and KAGRA gravitational-wave detectors have been upgraded or soon be in operation. We study effective methods and develop softwares to classify gravitational-wave signals and noise artifacts in order to detect extremely tiny disturbance in space-time due to gravitational-waves. We also develop codes to analyze N-body simulation data.
III. Achievements
We carried out a study of classification method to discriminate gravitational-wave signals from noise artifacts using a machine learning algorithm, artificial neural networks. We completed implementation of a simple neural networks in order to extend it to deep learning. We developed a trigger generator using Hilbert-Huang transform (HHT) and compared its performance with other existing methods that have been deployed for previous initial LIGO Science Runs. We tested and convinced that auxiliary channels which are relevant to noise transients in the gravitational-wave channel can be found using linear/non-linear correlation coefficients. Finally, we analyzed astrophysical N-body simulation data using own analysis codes.
IV. Future Plans and Applications
We will carry out performance test of the HHT-based trigger generator by comparing it with other trigger generators that have been used for Advanced LIGO’s first science run (O1). Depending on its performance, we will suggest its deployment during Advanced LIGO’s successive science runs. CAGMon, the correlation-based glitch monitoring tool, can potentially be a data quality monitoring tool for KAGRA. Our N-boday data analysis code developed in IDL will be ported into Python in order that Scientists can freely use it without purchasing proprietary software.

목차 Contents

• 표지 ... 1
• 제출문 ... 2
• 보고서 요약서 ... 3
• 요약문 ... 4
• SUMMARY ... 5
• CONTENTS ... 6
• 목차 ... 7
• 제 1 장 연구개발과제의 개요 ... 8
• 제 2 장 국내외 기술개발 현황 ... 11
• 제 1 절 고급기계학습법을 활용한 과학데이터 분석 ... 11
• 제 2 절 고급통계분석방법을 활용한 노이즈 제거 ... 11
• 제 3 절 수치천체물리 데이터 분석 방법 개발 ... 12
• 제 3 장 연구개발수행 내용 및 결과 ... 14
• 제 1 절 고급기계학습법을 활용한 과학데이터 분석방법론 및 응용 ... 14
• 제 2 절 고급통계분석방법을 활용한 노이즈 제거 성능향상 ... 19
• 제 3 절 수치천체물리 데이터 분석 방법 개발 ... 27
• 제 4 장 목표달성도 및 관련분야에서의 기여도 ... 37
• 제 1 절 목표달성도 ... 37
• 제 2 절 관련분야 기여도 ... 38
• 제 5 장 연구개발결과의 활용계획 ... 41
• 제 6 장 참고문헌 ... 43
• 끝페이지 ... 44