DANTE: A Reference-Guided Unsupervised Pipeline for Extended-Transient Anomaly Characterization in LIGO O4a

Sintesi Tecnica: Pipeline DANTE V2 per la Caratterizzazione delle Anomalie LIGO O4a

Definizione del Problema
La quarta corsa di osservazione (O4) della rete LIGO-Virgo-KAGRA ha introdotto aggiornamenti strumentali significativi, inclusi l'iniezione di luce compressa (squeezed-light) e un aumento della potenza del laser. Questi cambiamenti hanno generato nuove popolazioni non documentate di artefatti di rumore non stazionario ("glitch") che si sovrappongono morfologicamente nel dominio tempo-frequenza ai segnali astrofisici reali. Gli esistenti framework di classificazione supervisionata (ad esempio, Gravity Spy) si basano su dataset etichettati dalle corse precedenti (O3b) e faticano a gestire il "concept drift", spesso classificando erroneamente nuove morfologie O4a o fallendo nel rilevarle interamente. Inoltre, gli approcci non supervisionati standard che utilizzano i Vision Transformer (ViT) affrontano una "Barriera di Diluizione del Segnale" (Signal Dilution Barrier): i meccanismi di pooling globale (ad esempio, il token [CLS]) aggregano informazioni attraverso l'intero spettrogramma, causando l'affogamento di anomalie transitorie localizzate sotto l'imponente rumore di fondo stazionario. Inoltre, il clustering di embedding ad alta dimensionalità (384D) con campioni limitati ($n < 100$) porta all'ill-posedness algebrica e all'instabilità numerica nella stima della covarianza.

Metodologia: La Pipeline DANTE
Gli autori presentano DANTE (Domain-Adaptive Network for Transient Evaluation), una pipeline non supervisionata progettata per rilevare e triagiare nuovi transitori senza etichette pregresse. L'architettura consiste in tre strati disaccoppiati:

1. Strato di Rilevamento (MIL a livello di Patch):

   • Input: Segmenti di strain da 32 secondi convertiti in spettrogrammi Q-transform da 256×256.
   • Estrazione delle Caratteristiche: Un backbone DINOv2 congelato (ViT-S/14 con register tokens) estrae 1.369 embedding di patch per spettrogramma. Il modello rimane congelato per evitare l'overfitting su topologie di rumore storiche ed evitare costi di riaddestramento su HPC.
   • Mitigazione della Diluizione del Segnale: Invece di utilizzare un token [CLS] globale, la pipeline impiega il Multiple Instance Learning (MIL) con Top-k pooling. Identifica le $k=68$ patch (circa il 5% della griglia) con la minore similarità del coseno rispetto a un indice di riferimento. Ciò focalizza il punteggio di anomalia sulle regioni locali più anomale, superando l'effetto di diluizione.
   • Indice di Riferimento: Un indice VQ (Vector Quantized) è costruito dal catalogo Gravity Spy O3b (281 centroidi) per il rilevamento iniziale della novità.
   • Soglia (Thresholding): Una soglia operativa ($\tau_{op}$) è impostata al 99° percentile empirico (P99) della distribuzione dei punteggi di anomalia derivata da 150.000 segmenti nulli validati, garantendo un tasso di falsi positivi (FPR) dell'1%.

2. Strato di Tassonomia (DPMM Adattivo):

   • Riduzione della Dimensionalità: Per affrontare la "Maledizione della Dimensionalità" nei regimi a piccoli campioni ($n < 100$), la pipeline applica una proiezione PCA adattiva. Se $n < 100$, i candidati sono classificati come singleton isolati; altrimenti, la PCA riduce le dimensioni preservando il 90% della varianza.
   • Clustering: Un Modello di Miscela di Processo di Dirichlet (DPMM) viene applicato ai dati proiettati. La struttura di covarianza (full, tied o diagonal) è selezionata condizionalmente in base alla dimensione del campione per prevenire la singolarità della matrice.
   • Gating della Novità: I cluster sono contrassegnati come "morfologicamente nuovi" se meno del 50% dei loro membri corrisponde alle classi note di O3b.

3. Connettività Cross-Sessione e Ricalibrazione:

   • Veto Cross-Detector: I candidati vengono incrociati tra LIGO Hanford (H1) e Livingston (L1) utilizzando una finestra temporale di ±2s. I candidati con alta similarità morfologica tra i detector sono segnalati come potenziali eventi astrofisici o globali; quelli senza sono classificati come glitch strumentali locali.
   • Ricalibrazione Nativa: Per risolvere lo shift di dominio, viene costruito un secondo indice VQ indipendente dai dati di background nativi di O4a (1.216 centroidi). Tutti i candidati vengono ricalibrati rispetto a questo indice nativo per distinguere tra veri transitori di novità e artefatti pervasivi introdotti dagli aggiornamenti di O4a.

Contributi Chiave

1. Mitigazione della Diluizione del Segnale: Il documento dimostra che il pooling globale dei ViT fallisce nel rilevare transitori sub-secondo o localizzati a causa della diluizione del segnale. L'architettura proposta Top-k MIL isola con successo transitori estesi (>1s) concentrandosi sulle anomalie delle patch locali.
2. Framework Tassonomico Adattivo: Gli autori introducono un framework DPMM condizionale che regola dinamicamente le strutture di covarianza e la dimensionalità in base alla dimensione del campione, risolvendo l'instabilità numerica del fitting di miscele gaussiane ad alta dimensionalità su piccoli dataset ($n < 100$).
3. Risoluzione dello Shift di Dominio: La pipeline implementa un protocollo di "ricalibrazione nativa". Confrontando i candidati sia con un riferimento storico (O3b) che con un indice di background nativo (O4a), il sistema distingue tra vera novità e artefatti causati dagli aggiornamenti strumentali.
4. Infrastruttura di Produzione: Il lavoro include una pipeline state-aware e riprendibile con archiviazione HDF5 abilitata SWMR e rigoroso logging della provenienza, consentendo l'elaborazione continua dei dati grezzi di strain di LIGO.

Risultati

• Sfida sui Dati Mock (MDC): La pipeline ha raggiunto un recall >98% per morfologie estese (es. Harmonic Comb) a un FPR dell'1%. Al contrario, ha confermato un recall di 0.00 per i transitori "Blip" sub-secondo, validando la Barriera di Diluizione del Segnale e il limite esplicito della pipeline ai transitori estesi.
• Rilevamento O4a: Applicata a 180 giorni di dati O4a, la pipeline ha identificato 140 candidati unici inizialmente segnalati come novità rispetto all'indice O3b.
• Analisi dello Shift di Dominio:
  • Famiglia 01: Un cluster altamente coeso di 11 candidati, persistente per 4 mesi in L1, è stato inizialmente segnalato come una novità maggiore. Tuttavia, dopo la ricalibrazione nativa, questa famiglia è collassata completamente (0 sopravvissuti), dimostrando di essere una caratteristica stazionaria e pervasiva del background di O4a piuttosto che un transitorio discreto.
  • Famiglie 02 & 03: Anche questi aggregati diffusi sono in gran parte collassati o non hanno mantenuto una struttura coesa contro l'indice nativo, venendo identificati come artefatti di shift di dominio.
  • Singleton: Tre anomalie estreme e non ricorrenti sono sopravvissute alla ricalibrazione nativa. Non sono state assorbite dall'indice di background e non presentavano coincidenza tra i detector, classificandoli come rari transitori strumentali non modellati.
• Asimmetria tra i Detector: È stato osservato un rapporto di 34:1 tra i candidati di L1 e H1, coerente con il degrado ambientale documentato a Livingston, piuttosto che un bias algoritmico globale.

Significatività e Rivendicazioni
Il documento afferma che DANTE fornisce un robusto framework metodologico non supervisionato per la Caratterizzazione del Detector (DetChar) che è strettamente necessario per filtrare gli artefatti di shift di dominio. Gli autori sottolineano che:

• Il rilevamento non supervisionato richiede la ricalibrazione nativa: Affidarsi esclusivamente a riferimenti storici (O3b) porta a massicci falsi positivi dove il rumore stazionario di O4a viene erroneamente identificato come novità.
• Specificità di scala: La pipeline è esplicitamente progettata per transitori estesi (>1s) ed è strutturalmente cieca ai glitch sub-secondo; non è un sostituto per i classificatori a finestra breve come Gravity Spy, ma uno strumento complementare per scoprire famiglie morfologiche estese e non modellate.
• Limiti Fisici: La pipeline opera strettamente sui dati di strain. Sebbene isoli con successo gli outlier topologici, la definitiva classificazione fisica (ad esempio, distinguere tra rumore benigno e accoppiamenti patologici) richiede una correlazione offline con i canali ausiliari di Monitoraggio Ambientale Fisico (PEM), che è rimandata a lavori futuri.

Il lavoro conclude che DANTE isola con successo eventi rari ed estremi neutralizzando al contempo la distorsione sistematica causata dagli shift di dominio, fornendo un set di candidati purificato per la futura validazione fisica multi-canale.