PhiasmaNet发布：紧凑型神经网络加速引力波信噪比预测
热点事件持续更新
PhiasmaNet发布：紧凑型神经网络加速引力波信噪比预测
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
由 Ioannis Tsioulis 等学者发布的 PhiasmaNet 是一种参数量约 73.2 万的结构化表格回归神经网络，采用分阶段频谱精化作为显式架构先验。该模型专门用于在固定 Advanced LIGO 设计灵敏度下预测单一探测器的相位平均最优信噪比。 在包含 100 万样本的保留测试集上，PhiasmaNet 实现了 98.73% 的 100-MAPE 指标。在信噪比大于 8 的区域，其表现更优，达到了 99.39% 的 100-MAPE 和 0.9998 的 R² 值。这一结果验证了该紧凑架构在结构化数据回归任务中的高精度潜力。 在计算效率方面，单块 GPU 可支持每秒约 12 万次信噪比评估，处理百万级射入目录的端到端耗时仅约 8.3 秒。相比传统 16 核 CPU 计算，该模型提速约两个数量级，显著降低了大规模引力波数据分析的计算门槛。
AI 根据报道生成 · 3 小时前更新
最新进展11月4日 13:00
PhiasmaNet：用于快速引力波信噪比预测的分阶段频谱Token精化架构报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · MLPhiasmaNet：用于快速引力波信噪比预测的分阶段频谱Token精化架构
PhiasmaNet 是一种用于结构化的表格回归紧凑神经网络架构，参数量约 732k。 其在 10^6 样本测试集上实现 100-MAPE=98.73%，在 ρ>8 区域达到 99.39% (R²=0.9998)。 单 GPU 下可持续进行约 1.2×10^5 次/秒的 SNR 评估，比传统 16 核 CPU 计算快约两个数量级。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 911月4日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。