Unsupervised Morphological Characterization of Gravitational-Wave Glitches in LIGO O4a Using Frozen DINOv2 Features

Resumen Técnico: Caracterización Morfológica No Supervisada de Glitches de Ondas Gravitacionales en LIGO O4a Utilizando Características DINOv2 Congeladas

Enunciado del Problema
Los detectores de ondas gravitacionales (OG) basados en tierra, como Advanced LIGO, son susceptibles a artefactos de ruido transitorio no gaussianos conocidos como "glitches". Estos artefactos pueden imitar señales astrofísicas, reducir la sensibilidad del detector y complicar la estimación de parámetros. Aunque el proyecto Gravity Spy ha establecido un estándar para la clasificación de glitches mediante aprendizaje automático supervisado y ciencia ciudadana, estos enfoques están inherentemente limitados a reconocer morfologías para las cuales han sido entrenados explícitamente. No pueden identificar tipos de glitches previamente no caracterizados. La pregunta central abordada en este trabajo es si la campaña de observación O4a de LIGO introdujo morfologías de glitches no presentes en campañas anteriores, específicamente aquellas que serían invisibles para clasificadores supervisados entrenados con datos históricos.

Metodología
Los autores presentan gravi-signal-ml, una pipeline completamente no supervisada y de cero disparos (zero-shot) diseñada para caracterizar transitorios de ruido instrumental sin datos de entrenamiento etiquetados, ajuste fino específico del dominio o aceleración por GPU. La metodología procede de la siguiente manera:

1. Preprocesamiento de Datos: La pipeline analiza 1.277 horas de datos de deformación públicos de los detectores Hanford (H1) y Livingston (L1) a través de cuatro ventanas temporales independientes en 2023. Los datos crudos se segmentan en trozos de 32 segundos, se blanquean, se filtran en banda (20–2000 Hz) y se convierten en espectrogramas Q-transform de 256×256 píxeles utilizando el mapa de colores cividis para garantizar uniformidad perceptual bajo conversión a escala de grises.
2. Extracción de Características: Los espectrogramas se codifican utilizando un Transformador de Visión DINOv2 congelado (ViT-S/14 con tokens de registro) preentrenado en imágenes naturales. El modelo se utiliza en modo de evaluación sin ajuste fino. La salida del token CLS se extrae como un incrustado de 384 dimensiones y se normaliza mediante L2. El uso de tokens de registro tiene la intención de suprimir artefactos comunes al procesar imágenes no naturales.
3. Reducción de Dimensionalidad: Los incrustados se proyectan de 384 a 50 dimensiones mediante Análisis de Componentes Principales (PCA), reteniendo >98% de la varianza. Una aproximación y proyección de variedad uniforme (UMAP) subsiguiente reduce los datos a 10 dimensiones para el agrupamiento, utilizando una métrica de coseno para tener en cuenta la geometría de la hiperesfera unitaria de los incrustados.
4. Agrupamiento: Se emplea un Modelo de Mezcla de Procesos de Dirichlet (DPMM) para determinar automáticamente el número de grupos morfológicos. A diferencia de los métodos basados en densidad (por ejemplo, HDBSCAN), el DPMM evita la sensibilidad al tamaño mínimo del grupo asignando un peso insignificante a componentes superfluos.
5. Validación y Contraste:
   • Contraste Morfológico: Los grupos anómalos (aquellos con puntuaciones de verosimilitud logarítmica bajas) se comparan contra un índice de referencia intra-dominio construido a partir del conjunto de datos etiquetado O3b de Gravity Spy, procesado a través de la misma pipeline exacta para eliminar brechas de dominio. Las muestras se clasifican como Conocidas, Ambiguas o Novedosas basándose en umbrales de similitud de coseno.
   • Pruebas de Robustez: La pipeline se somete a estudios de ablación (conversión a escala de grises, inversión de píxeles, escalado de intensidad), análisis de estabilidad (perturbación de hiperparámetros) y pruebas de fondo de deslizamiento temporal para descartar coincidencias estadísticamente significativas entre H1 y L1.

Contribuciones Clave

1. Pipeline de Cero Disparos: La primera aplicación de características DINOv2 congeladas para la caracterización de la morfología de glitches de OG, sin requerir datos etiquetados ni recursos de GPU.
2. Validación Sistemática: Un marco de validación multicapa aplicado consistentemente a través de cuatro ventanas O4a independientes, incluyendo ablación, estabilidad y estimación de fondo de deslizamiento temporal.
3. Línea Base Reproducible: La provisión de una pipeline de código abierto completamente documentada y resultados para la caracterización de glitches de cero disparos.
4. Observación Empírica: La identificación de una diferencia sistemática en la robustez de las características entre los detectores H1 y L1.

Resultados
La pipeline procesó más de 188.000 espectrogramas a través de las cuatro sesiones. Los resultados arrojaron un resultado nulo respecto a morfologías novedosas:

• Sin Glitches Novedosos: No se identificaron candidatos a glitches morfológicamente novedosos. Todos los grupos anómalos se mapearon a clases conocidas de Gravity Spy con una similitud de coseno media top-1 superior a 0,98.
• Estabilidad del Grupo: El DPMM identificó de 10 a 16 grupos morfológicos por detector por sesión. El análisis de estabilidad confirmó la reproducibilidad, con valores medios del Índice Ajustado de Rand (ARI) superiores a 0,83 en ejecuciones perturbadas.
• Asimetría del Detector: Se observó una asimetría notable en la robustez de los incrustados frente a la conversión a escala de grises. Los incrustados de L1 mostraron alta robustez (ARI en escala de grises > 0,90 en la mayoría de las sesiones), mientras que los incrustados de H1 exhibieron una robustez más baja y variable (ARI en escala de grises oscilando entre 0,62 y 0,90). Esto sugiere una diferencia estructural en la variedad de ruido de H1 bajo la extracción de características DINOv2, potencialmente vinculada a la no estacionariedad conocida en el piso de ruido de H1.
• Exclusión de Fondo: Las pruebas de deslizamiento temporal no mostraron coincidencias H1–L1 estadísticamente significativas (p ≥ 0,1), excluyendo artefactos instrumentales correlacionados como la causa de las poblaciones observadas.
• Comparación: Al compararse con la referencia de Gravity Spy, el DPMM alcanzó un ARI de 0,133. Los autores señalan que esta puntuación moderada refleja la divergencia fundamental entre las convenciones morfológicas definidas por humanos y la similitud visual intrínseca en el espacio de incrustados, en lugar de un fallo del método.

Significado y Afirmaciones
El artículo afirma que su resultado nulo es científicamente significativo. Establece que, a la sensibilidad y resolución temporal de esta pipeline específica (ventanas de 32 segundos, columna vertebral ViT-S/14), la población de glitches de O4a en las ventanas analizadas es morfológicamente consistente con el catálogo O3b de Gravity Spy. Esto se alinea con hallazgos anteriores de que O4a presentó tasas elevadas de clases de glitches conocidas (por ejemplo, Líneas de Baja Frecuencia, 1400Ripples) en lugar de morfologías fundamentalmente nuevas.

Los autores aclaran modestamente que este resultado no prueba que los glitches novedosos no existan en O4a; más bien, restringe su prevalencia por debajo del umbral de detección de este enfoque. Las limitaciones reconocidas incluyen la ventana fija de 32 segundos (que puede pasar por alto transitorios subsegundos), el uso de una columna vertebral ViT más pequeña y el hecho de que las ventanas analizadas cubren solo ~5% del conjunto de datos completo de O4a. El trabajo sirve como una línea base reproducible para futuros esfuerzos de caracterización de cero disparos, con la pipeline y todos los datos disponibles públicamente.

Disponibilidad de Código y Datos
La pipeline de código abierto gravi-signal-ml está disponible en GitHub en https://github.com/lucacirfeta/dante-gravi-signal-ml. Además, una versión archivada y citable del software y los datos procesados se encuentra en Zenodo bajo el DOI 10.5281/zenodo.20121860, garantizando la reproductibilidad total de los resultados presentados.

Contexto de la Colaboración LIGO-Virgo-KAGRA
Este trabajo se enmarca en un contexto de creciente volumen de datos en la astronomía de ondas gravitacionales. En mayo de 2026, la Colaboración LIGO-Virgo-KAGRA publicó el catálogo GWTC-5.0, reportando 161 nuevos eventos de ondas gravitacionales. Este aumento sustancial en la cantidad de datos observados subraya la necesidad crítica de herramientas escalables y no supervisadas, como la presentada aquí, capaces de caracterizar el ruido instrumental de manera eficiente sin depender de la anotación manual exhaustiva. Es importante destacar que el análisis de este artículo se limita estrictamente a los datos de la campaña O4a y no utiliza información del catálogo GWTC-5.0.