Коллаборация исследователей из Gran Sasso Science Institute, Калифорнийского технологического института и Google DeepMind разработала новый метод повышения точности обнаружения гравитационных волн с помощью искусственного интеллекта. Метод, получивший название Deep Loop Shaping, использует машинное обучение для снижения уровня шума, создаваемого системами управления интерферометра, что является ключевым фактором для повышения чувствительности детекторов.
Гравитационные интерферометры, такие как LIGO, представляют собой инструменты исключительной точности, предназначенные для обнаружения колебаний пространства-времени. Для поддержания их работы необходимы сложные системы активного контроля, которые удерживают зеркала в состоянии почти полного покоя. Однако сами эти системы контроля могут генерировать собственный шум, вызванный корректирующими воздействиями, которые, будучи плохо откалиброванными, могут усиливать вибрации, а не подавлять их. Традиционные методы линейного контроля не всегда способны оптимально решить эту задачу. Deep Loop Shaping преодолевает это ограничение с помощью алгоритма, основанного на обучении с подкреплением. Алгоритм был обучен в симуляции минимизировать вибрации в наиболее чувствительных для обнаружения гравитационных волн частотных диапазонах, от 10 до 30 Гц, где LIGO регистрирует такие события, как слияния черных дыр средней массы. После обучения алгоритм был успешно внедрен в систему управления одним из главных зеркал обсерватории LIGO в Ливингстоне, штат Луизиана.
В ходе испытаний новый метод позволил снизить уровень шума, генерируемого одним из самых нестабильных контуров управления, в 30–100 раз, что стало рекордным показателем подавления шума. Это достижение позволило полностью исключить данный источник помех, сделав систему более стабильной и чувствительной. Результаты работы были опубликованы 4 сентября 2025 года в журнале Science.
Внедрение данной технологии на всей системе подвесов LIGO потенциально может позволить обнаруживать сотни дополнительных гравитационных событий ежегодно, улучшить качество сигналов и увеличить расстояние, на котором можно проводить наблюдения. Кроме того, этот подход обещает найти применение в других обсерваториях, таких как Virgo и KAGRA, а также в будущих проектах, подобных телескопу Эйнштейна (ET) и космической антенне LISA. Перспективы использования метода также распространяются на другие инженерные области, требующие высокоточного динамического контроля, включая аэрокосмическую отрасль и робототехнику.