基于深度循环整形(Deep Loop Shaping)的引力波天文台宇宙学探测能力提升研究

来自加州理工学院等机构的研究人员通过强化学习开发了深度循环整形(Deep Loop Shaping)方法，成功解决了LIGO探测器在10-30Hz低频段的控制噪声难题。该非线性最优控制技术使LIGO Livingston观测站的噪声降低超30倍，部分子频段达100倍，突破量子极限，为研究中质量黑洞合并等宇宙学现象开辟了新途径。

　　

引力波探测器(Gravitational Wave Observatory)的革命性突破正在改写天体物理学认知。传统探测器在30-2000Hz频段已成功捕捉到黑洞和中子星(Neutron Star)信号，但10-30Hz低频段却长期受控于顽固的控制噪声(Control Noise)。这项研究通过创新的深度循环整形(Deep Loop Shaping)技术——一种基于强化学习(Reinforcement Learning)的非线性最优控制方法，配合频域奖励机制，在LIGO利文斯顿观测站(LLO)和加州理工40米原型机上实现突破性进展。

研究团队将最严苛的反馈控制回路(Feedback Control Loop)噪声压制至量子噪声(Quantum Noise)以下，在关键10-30Hz频段实现超30倍噪声抑制，部分子频段甚至达100倍改善。这项技术突破不仅消除了探测器灵敏度提升的关键障碍，更为探测中质量黑洞(Intermediate-Mass Black Hole)合并、双黑洞轨道偏心性(Binary Black Hole Eccentricity)等宇宙学现象，以及双中子星(Binary Neutron Star)合并的多信使(Multimessenger)早期预警提供了全新可能。该成果展示了深度循环整形技术在现役和未来引力波探测器中的巨大应用潜力，其方法论更可拓展至仪器控制和各类精密测量系统领域。