VIGILant: an automatic classification pipeline for glitches in the Virgo detector

El artículo presenta VIGILant, una pipeline automatizada que utiliza redes neuronales convolucionales para clasificar y visualizar glitches en el detector Virgo con alta precisión, la cual ha sido implementada operativamente para monitorear el comportamiento del detector y facilitar la identificación de eventos que requieren atención adicional.

Lo esencial

¡Claro que sí! Imagina que el detector de ondas gravitacionales Virgo es como un gigantesco y supersensible micrófono en el espacio, diseñado para escuchar el "susurro" de dos agujeros negros chocando a millones de años luz.

El problema es que este micrófono no solo escucha el universo; también escucha ruidos molestos. A veces es un camión pasando cerca, a veces es un terremoto lejano, o incluso un fallo en el propio equipo. A estos ruidos molestos los llamamos "glitches" (fallos o chispazos). Si no los filtramos, es como intentar escuchar una canción romántica mientras alguien está golpeando una sartén al lado: no puedes distinguir la música del ruido.

Aquí es donde entra VIGILant, la solución que presenta este artículo.

🕵️‍♂️ ¿Qué es VIGILant?

VIGILant es como un detective automático y superinteligente que trabaja las 24 horas en el laboratorio de Virgo. Su misión es dos cosas:

1. Identificar qué tipo de ruido es cada "glitch".
2. Mostrarlo en un panel de control visual para que los científicos sepan qué está pasando.

🧠 ¿Cómo aprende el detective? (El entrenamiento)

Para entrenar a VIGILant, los científicos le mostraron miles de ejemplos de ruidos pasados (de una época llamada "O3b"). Imagina que le mostraron fotos de diferentes tipos de tormentas: lluvia, granizo, viento fuerte.

El equipo probó dos métodos para enseñarle:

1. El Método de las "Tarjetas de Datos" (Modelos de Árboles):

   • Imagina que le das al detective una ficha con datos numéricos: "¿Qué tan fuerte fue el ruido?", "¿A qué frecuencia sonó?", "¿Cuánto duró?".
   • El detective usa reglas simples (como un árbol genealógico de decisiones) para adivinar el tipo de ruido.
   • Ventaja: Es rápido y fácil de entender.
   • Desventaja: A veces se confunde porque solo mira los números, no la "forma" del ruido.

2. El Método de las "Fotos" (Redes Neuronales ResNet):

   • Aquí es donde VIGILant brilla. En lugar de solo leer números, le muestran imágenes del ruido (llamadas espectrogramas). Es como si en lugar de describirte una tormenta con palabras, te mostraran una foto de cómo se ve la lluvia cayendo.
   • VIGILant usa una Red Neuronal Convolutiva (ResNet), que es como un cerebro artificial entrenado para reconocer patrones visuales (similar a como tu cerebro reconoce un gato en una foto).
   • Resultado: ¡Es increíblemente bueno! Identifica el ruido con una precisión del 98%, casi como un experto humano, pero en milisegundos.

🎨 El Cuadro de Control (El Dashboard)

Una vez que VIGILant analiza el ruido, crea un tablero de control interactivo (como un mapa del clima, pero para ruidos).

• El Mapa de Calor: Muestra todos los ruidos del mes. Si ves un color rojo intenso en una zona, significa que ese día hubo muchos ruidos de un tipo específico.
• La Lupa: Los científicos pueden hacer clic en un punto del mapa y ver la "foto" del ruido, saber de qué familia es (ej. "Ruido de luz dispersa" o "Línea de resonancia") y si el detective está seguro de su respuesta.
• La Alerta de Duda: A veces, VIGILant ve un ruido raro y dice: "No estoy seguro, esto no parece ninguno de los ruidos que conozco". En ese caso, lo marca como "Baja Confianza". Esto es genial porque le dice a los humanos: "¡Oye, investiga esto, podría ser algo nuevo!".

🚀 ¿Por qué es importante?

Antes, los científicos tenían que revisar manualmente miles de ruidos o confiar en herramientas que a veces se equivocaban con mucha seguridad (como un niño que grita "¡Es un dragón!" cuando solo es un perro).

Con VIGILant:

• Ahorran tiempo: El sistema hace el trabajo sucio automáticamente.
• Mejoran la ciencia: Al eliminar o entender mejor los ruidos, los científicos pueden escuchar las señales reales del universo con mayor claridad.
• Descubren lo nuevo: Al marcar los casos dudosos, ayudan a encontrar nuevos tipos de ruidos que nadie había visto antes.

En resumen

VIGILant es el guardián silencioso de Virgo. Es un sistema de inteligencia artificial que, en lugar de dormir, vigila constantemente el micrófono del detector, separa el "ruido de la sartén" de la "música del universo" y le muestra a los científicos un mapa colorido para que puedan seguir explorando los secretos del cosmos sin distracciones.

¡Es como tener un asistente personal que te dice: "Oye, ese ruido es solo un camión, ignóralo. Pero ese otro... ¡ese suena a algo interesante, fíjate!"

Resumen técnico

1. El Problema

Los detectores de ondas gravitacionales, como Virgo, están intrínsecamente contaminados por "glitches" (ruido transitorio no gaussiano). Estos eventos, que pueden tener orígenes ambientales, antropogénicos o instrumentales, son mucho más frecuentes que las señales astrofísicas reales. Su presencia complica la detección y la estimación de parámetros de las fuentes, ya que pueden imitar señales reales (especialmente en fusiones de agujeros negros de alta masa) o superponerse a ellas.

Aunque proyectos como Gravity Spy han clasificado glitches en LIGO, su modelo presenta limitaciones críticas para Virgo:

• Sesgo de entrenamiento: El corpus de entrenamiento de Gravity Spy consiste casi exclusivamente en glitches de LIGO, ignorando las diferencias sustanciales en el diseño de hardware y la sensibilidad operativa entre LIGO y Virgo.
• Sobreconfianza: El clasificador tiende a ser excesivamente optimista en sus puntuaciones de confianza, incluso cuando realiza predicciones incorrectas.
• Falta de automatización continua: No existía un pipeline de clasificación automatizada y desplegado específicamente para el flujo de trabajo de caracterización de Virgo.

2. Metodología

El trabajo presenta VIGILant (Virgo Glitch Identification and Learning), un pipeline automático que compara dos enfoques de aprendizaje automático para clasificar glitches del periodo de observación O3b de Virgo.

A. Construcción del Dataset

• Fuente de datos: Se utilizaron glitches de la segunda mitad de la O3b (noviembre 2019 - marzo 2020) extraídos de la base de datos GlitchDB.
• Re-etiquetado (Re-labeling): Se realizó una inspección visual y un análisis mediante UMAP (Uniform Manifold Approximation and Projection) para corregir etiquetas ambiguas o incorrectas del modelo Gravity Spy.
  • Se fusionaron clases como Scattered Light, Low Frequency Burst y Low Frequency Lines en una sola clase llamada Scattering.
  • Se fusionaron Whistle y Violin Mode en una clase llamada Resonance Line.
  • Se eliminó la clase "None of the Above".
• Dataset final: 11,193 glitches distribuidos en 7 clases (Scattering, Resonance Line, Tomte, Blip, No Glitch, Extremely Loud, Koi Fish). El dataset se dividió en entrenamiento (70%), validación (15%) y prueba (15%) con muestreo estratificado.

B. Representación de Datos

Se evaluaron dos tipos de características de entrada:

1. Parámetros estructurados (Omicron): Se utilizaron parámetros extraídos por el algoritmo Omicron: frecuencia pico, SNR, amplitud, frecuencia central, duración y ancho de banda.
2. Espectrogramas (Imágenes): Se generaron espectrogramas mediante transformada-Q (Q-transform) usando la librería gwpy. Para cada glitch, se crearon tres ventanas temporales (0.5s, 2.0s y 4.0s) que se codificaron en un único canal de color, formando una imagen de "vista codificada" (encoded view) de 170x140 píxeles en escala de grises.

C. Modelos de Aprendizaje Automático

Se compararon dos familias de modelos:

1. Modelos basados en árboles (Tree-based): Entrenados con los parámetros de Omicron.
   • Decision Tree (DT), Random Forest (RF) y XGBoost.
   • Se optimizaron hiperparámetros (profundidad, número de estimadores, etc.) utilizando optuna.
2. Redes Neuronales Convolucionales (CNN): Entrenadas con los espectrogramas.
   • Se probaron arquitecturas ResNet18, ResNet34 y ResNet50.
   • Se utilizó el optimizador AdamW con una política de tasa de aprendizaje de 1-ciclo.

3. Contribuciones Clave

• Pipeline VIGILant: Desarrollo e implementación de un sistema automatizado para la clasificación y visualización de glitches en Virgo.
• Dataset Curado: Creación de un conjunto de datos específico para Virgo (O3b) con etiquetas corregidas manualmente y mediante consenso, superando las limitaciones de las etiquetas automáticas de Gravity Spy.
• Estrategia de Codificación de Imágenes: Uso eficiente de canales de color para integrar múltiples escalas temporales en una sola imagen, optimizando la entrada para las CNN.
• Detección de Baja Confianza: Implementación de un umbral de confianza (basado en el percentil 2.5% de las probabilidades softmax) para identificar glitches ambiguos o de nuevas clases no vistas, evitando predicciones erróneas con alta confianza.
• Dashboard Interactivo: Integración de los resultados en un panel de control visual (glitchgram) para monitoreo diario de la población de glitches y el comportamiento del detector.

4. Resultados

La evaluación se realizó en el conjunto de prueba (test set) mantenido apartado hasta el final.

• Rendimiento de los Modelos:
  • Los modelos basados en árboles mostraron buen rendimiento pero limitaciones en la distinción de clases morfológicamente similares.
    • XGBoost: F1 = 0.901, Precisión = 0.930.
  • ResNet34 obtuvo el mejor rendimiento global:
    • F1 Score: 0.9772 (en el conjunto de prueba).
    • Precisión (Accuracy): 0.9833.
    • Tiempo de inferencia: ~40 ms por glitch (sin aceleración por GPU).
• Análisis de Errores: La mayoría de las clasificaciones incorrectas se debieron a etiquetas de referencia (ground truth) incorrectas o ambiguas, no a fallas del modelo. El modelo demostró capacidad para corregir etiquetas erróneas en casos de inspección visual.
• Generalización: Al probar con clases fuera de dominio (Air Compressor y 32 Hz Blobs), el modelo identificó correctamente que muchos de estos glitches no encajaban bien en las clases conocidas, marcándolos como "Baja Confianza" (57% y 40% respectivamente por debajo del umbral), lo que valida su utilidad para detectar anomalías.
• Despliegue Operativo: El pipeline ha estado funcionando diariamente desde la corrida de observación O4c, proporcionando al colaborador Virgo un dashboard interactivo para monitorear la actividad de glitches.

5. Significado e Impacto

El trabajo de VIGILant representa un avance crucial en la caracterización de detectores de ondas gravitacionales:

1. Mejora de la Sensibilidad: Al identificar y clasificar automáticamente los glitches, permite a los científicos mitigar su efecto en los datos, mejorando la sensibilidad del detector para la detección de señales astrofísicas.
2. Adaptabilidad a Virgo: Proporciona una solución específica para las peculiaridades de Virgo, superando la dependencia de modelos entrenados en LIGO.
3. Flujo de Trabajo en Tiempo Real: La capacidad de inferencia rápida (decenas de milisegundos) permite el monitoreo en tiempo casi real, facilitando la toma de decisiones operativas durante las observaciones.
4. Hacia el Aprendizaje No Supervisado: El sistema sienta las bases para futuras extensiones que incluyan la detección de nuevas clases de glitches mediante clustering de muestras de baja confianza y métodos de reconstrucción de señales para la eliminación de ruido, cerrando el ciclo de identificación, análisis y mitigación.

En resumen, VIGILant es una herramienta robusta que combina técnicas avanzadas de visión por computadora con un flujo de trabajo de ingeniería de datos para mantener la integridad de los datos científicos en la red global de detectores de ondas gravitacionales.