CASPER：基于轻量级ResNet与FastSHAP的可解释引力波信号分类

《Astronomy and Computing》：CASPER: Interpretable gravitational-wave signal classification with a lightweight ResNet and FastSHAP explanations

　　

摘要

尽管匹配滤波仍然是模型化引力波信号统计分析的黄金标准，但兼具可解释性与计算可及性的引力波应变数据分类器仍然是该领域活跃的研究方向。尽管深度学习分类器已被证明能够提供高灵敏度，但许多此类分类器依赖于计算开销高昂的架构，并且在高昂的计算成本下仅提供有限的可解释性。我们提出 CASPER——基于残差神经网络中 Shapley 值归因的分类方法——一种可解释的二分类器。CASPER 结合了通过 FastSHAP 实现的逐次预测可解释性、仅依赖 CPU 的部署能力、轻量级 ResNet 架构、在未经合成注入的真实 GWOSC 应变数据上进行训练，以及事件级评估协议。具体而言，CASPER 整合了：（i）在未经合成注入的真实 GWOSC 应变数据上训练的轻量级七层 ResNet 卷积神经网络分类器；（ii）FastSHAP 像素级归因图，可在单次前向传播中定位负责每次预测的时频特征；（iii）通过 Platt 校准的输出概率，并经期望校准误差（ECE）和 Brier 分数验证；（iv）每段 34 毫秒的纯 CPU 推理。在留出的 66 个 GWOSC 事件上（7250 张频谱图，事件级划分，无数据泄漏）进行评估，CASPER 的平均事件 AUC 为 0.906（段级：95% 置信区间：[0.899, 0.914]），Brier 分数为 0.099，优于在相同预处理条件下训练的简单非残差 CNN 基线（平均事件 AUC = 0.864）。FastSHAP 归因图能够恢复吸积啁啾形态，并忠实地响应像素掩码，但在低信噪比下忠实度有所下降，这与分类器使用具有物理意义的信号特征作为输入相一致。分配给训练集和测试集的完整 GWTC 事件标识符列表将在论文被接收后随代码和训练好的权重通过永久 GitHub 加 Zenodo 仓库发布。

引言

2015 年首次探测到引力波，为观测宇宙开辟了新的手段（Abbott 等，2016；Abbott 等，2017；Abbott 等，2021；Abbott 等，2023）。凭借探测致密双星并合、中子星合并以及电磁望远镜无法观测到的其他高能现象的能力，引力波天文学已成为一个新的研究领域。经过确认的探测事件大幅扩充了引力波暂现源目录（GWTC），截至 O3 运行结束，该目录中已包含约九十例确认事件（Abbott 等，2023）。

匹配滤波仍然是识别模型化引力波信号最有效的统计技术（Allen 等，2012；Dhurandhar 和 Sathyaprakash，1994；Owen 和 Sathyaprakash，1999）。它利用探测器应变与一组预先确定的波形模板之间的相关性进行匹配。当信噪比（SNR）超过预设阈值时即发生探测。鉴于匹配滤波的虚警率和探测效率特性已有充分表征，所有现代探测流水线均采用了该技术（Messick 等，2017）。

机器学习（ML）已发展成为一种用于快速识别潜在候选事件的辅助方法。机器学习最初主要用于对通过匹配滤波检测到的候选事件进行快速处理。大多数研究工作集中于利用机器学习同时识别候选引力波事件并估计可信的天体物理概率值（Koloniari 等，2025；George 和 Huerta，2018；Gabbard 等，2018；Sch?fer 和 Nitz，2022）。

早期研究展示了卷积神经网络在直接从应变频谱图中恢复信号形态方面的应用（George 和 Huerta，2018；Gabbard 等，2018）。后续研究展示了残差网络的应用（He 等，2016；Nousi 等，2023），而最近则探索了基于 Transformer 的架构用于引力波数据分析（Wang 等，2024）。

此外，若干近期利用深度学习分类器的研究成功地在真实探测器数据中识别出了额外的引力波候选事件。这些研究共同表明，经过仔细训练和评估后，机器学习在识别真实应变数据方面可与传统技术相媲美。尽管取得了这些成功，在将分类器用于候选事件初筛或后处理时，仍存在三个关键的局限性，制约了人们对其可靠性的信心。第一，虽然深度学习分类器通常提供分数，但它们并未揭示导致该决策的具体时频特征。

第二，由于深度学习分类器在训练时以焦点损失（Lin 等，2017）作为目标函数，所输出的估计概率通常校准不佳（Guo 等，2017）。校准不佳的概率值在将这些概率输入贝叶斯证据累积流程时会引发问题（Niculescu-Mizil 和 Caruana，2005；Evans 等，2021）。

第三，许多近期开发的分类器在 GPU 计算平台上设计和测试，这限制了缺乏此类资源的机构对这些分类器的获取。

我们还研究了如何解决可解释性方面的差距。我们对比了 GradCAM（Selvaraju 等，2017）、核 SHAP（Lundberg 和 Lee，2017）和 FastSHAP（Jethani 等，2022）。GradCAM 生成的是最终卷积层尺度的特征图，其空间分辨率不足以在 65 × 69 的频谱图中定位窄带短时啁啾信号。积分梯度法（Sundararajan 等，2017）每个样本需要 50 至 300 次前向传播，对于近实时应用来说速度过慢。核 SHAP 虽具有模型无关性，但对输入维度数的依赖关系为 O(n2)。这限制了其在频谱图大小输入上的适用性。

FastSHAP（Jethani 等，2022）直接解决了上述三个挑战：它以完整的像素级图解决了 GradCAM 的分辨率限制；通过将 Shapley 值计算分摊到单次前向传播中解决了积分梯度法的速度限制；通过避免对输入维度的 O(n2) 依赖解决了核 SHAP 的扩展性限制。在我们探索的选项中，FastSHAP 在空间分辨率与计算成本之间提供了最佳折中方案。

CASPER 以"基于残差神经网络中 Shapley 值归因的分类"为名提出，旨在直接克服上述三个局限性。它是针对固定长度应变数据段的二分类器。它并非旨在取代匹配滤波或完整探测流水线中的任何部分；相反，它被设计为一种互补的分类模块。我们在此强调，本研究评估的是固定时长、以事件为中心的数据段；向连续流运行模式的扩展留作未来工作。第 1.1 节讨论了 CASPER 的新颖性，逐一对各局限性进行阐述，并给出针对当前方法现有局限性的解决方案。

简而言之，CASPER 将紧凑型纯 CPU 分类器、校准概率以及逐次预测解释整合为一个实用流水线，用于处理真实 GWOSC 数据。

接下来的若干段落讨论 CASPER 的新颖之处。这些部分使用 FastSHAP 和 Platt 缩放，针对引力波分析中已识别的三个主要差距——可解释性、校准和计算可及性——分别展开论述。

1. 差距一：可解释性。引力波分类器提供的最常见输出是置信度分数。尽管引力波分类器的探测效率可以通过注入研究加以表征，但用户几乎无法获得关于哪些时频特征将预测驱动为信号或噪声的信息。这一差距使得个别候选探测事件的验证以及因瞬态噪声导致失败的原因识别变得更加复杂。

为弥合这一差距，我们引入了 FastSHAP，一种用于估计 Shapley 值的架构。它在单次前向传播中为每次预测生成像素级归因图。红色表示推动预测趋向"信号"的特征，蓝色表示推动预测趋向"噪声"的特征。由于它在单次传播中生成归因图，FastSHAP 仅增加约 11 毫秒的延迟。

FastSHAP 架构的详情在第 2.4.3 节中讨论。架构示意图见图 4。FastSHAP 的准确性在第 3.6 节（图 12）和第 3.8 节（表 7、图 14、图 15）中进行了评估。确认引力波事件的归因图示例见图 16—18。

2. 差距二：校准。深度学习分类器在使用焦点损失训练时经常出现过度自信现象。因此，其 S 形输出并不代表真实的经验正例率；因此，此类输出无法轻易纳入贝叶斯框架中与其他证据进行整合。

为弥合这一差距，我们将 Platt 缩放作为训练后的校准步骤加以应用。Platt 缩放仅在留出的验证划分上拟合，这些划分通常不用于训练或测试。我们通过两项成熟的度量指标评估结果：期望校准误差（ECE）和 Brier 分数。

我们的方法在第 2.4 节中详述，结果在第 3.4 节中呈现，并附有图 8 所示的可靠性图。校准将 ECE 从 0.228 降低至 0.035，降幅约为 85%，表 5 中给出了基于自助法的置信区间。

3. 差距三：计算可及性。许多近期的基于深度学习的引力波分类器假设训练和推理均可使用 GPU。因此，这些模型将许多缺乏专用高性能计算资源的机构排除在外，使其无法开发或运行自己的分类流水线。

为弥合这一差距，我们采用了一种轻量级七层 ResNet 架构，可在普通笔记本电脑的 CPU 上以每段 34 毫秒的速度运行，无需 GPU。整个流水线——分类器加 FastSHAP 解释器——的延迟保持在每段 45 毫秒以下。

关于模型大小和延迟的详情在第 4.6 节中讨论。完整的训练参数列于附录 A。

4. 辅助设计选择。以下辅助设计选择使我们能够实施上述方案，但其本身并非独立贡献。CASPER 仅在真实 GWOSC 应变数据（260 个事件，SNR = 7–42）上训练，而非在模拟产生的合成波形上训练。因此，CASPER 不会学习到模拟流水线所产生的伪影（第 2.2.5 节）。此外，训练集和测试集在事件级进行划分，因此测试事件的任何数据段均未包含在训练中（第 2.2.3 节）。最后，我们将 CASPER 与在相同条件下训练的简单非残差 CNN 进行直接比较，以便分离残差连接对性能提升的贡献（第 3.3 节，表 6）。

本文其余部分按以下结构组织。第 2 节介绍我们如何构建数据集、将数据表示为频谱图、构建分类器架构、实现 FastSHAP 解释器和校准程序的细节。第 3 节详述我们的分类性能、校准效果、按信噪比分层的效率、FastSHAP 扰动保真度以及从归因图中生成的归因示例。第 4 节讨论与基线模型相比的主要发现，并指出潜在局限性和未来研究方向。第 5 节总结我们的结论。

章节摘要

数据采集与条件化处理

应变数据通过 GWpy 库（Macleod 等，2021）自动从 LIGO 开放科学中心（GWOSC）（Vallisneri 等，2015）获取。采样率为 4096 Hz，时间窗口大小为 16 秒，以每个事件的并合 GPS 时间为中心。图 1 所示的流程图展示了完整的预处理流水线。数据段配置和样本数量的汇总见表 1。

总共从 SNR 范围中选取了 260 个不同事件。

训练历史

图 5 所示的训练历史曲线展示了各轮次训练集和验证集的 AUC 及焦点损失。该模型在 194 个事件上训练至多 20 个轮次，并应用了早停策略（耐心值 8）和 ReduceLROnPlateau（耐心值 4，衰减因子 0.5），以验证集 AUC 为监控指标。模型在第 19 个轮次时达到了最高的验证集 AUC。从所有轮次中训练曲线和验证曲线形状相似可以看出，模型能够泛化到未见过的数据，而非仅仅记住训练数据。

主要发现

CASPER 表明，基于 ResNet 的、参数量较小的分类器在真实 GWOSC 应变数据上训练后，在为每次预测生成 FastSHAP 归因和 Platt 校准输出概率的情况下，能够在未见事件上取得 AUC = 0.906 的性能。与基线模型的比较（见表 6）分离了残差连接的贡献，显示出 AUC 从 0.864（仅使用 CNN）提升至 0.906，同时 Brier 分数和对数损失也相应下降。此外……

结论

本研究作出了四方面贡献。首先，一个轻量级 ResNet 分类器完全使用真实 GWOSC 应变数据进行训练，未包含任何注入的合成数据。其次，应用了基于 FastSHAP 的像素级归因图，在一次额外前向传播中提供了逐次预测的可解释性。第三，分类器的输出经过 Platt 校准，实现了 ECE = 0.035 的期望校准误差。最后，整个系统可部署在……上运行。

作者贡献声明

R. Rai：撰写——初稿、验证、软件、方法论、调查、数据整理、概念化。R.

Verma：撰写—审阅与编辑、监督、资源提供、项目管理、形式化分析。Somya：撰写—审阅与编辑、调查、数据整理。代码可用性：CASPER流水线代码，包括训练好的权重、预处理脚本、随机种子及软件版本规格说明，将在论文被接受后通过永久存储库（GitHub + Zenodo DOI）公开。未引用参考文献：Dax等人（2024），Ioffe和Szegedy（2015）。利益冲突声明：作者声明，他们不存在已知的可能影响本文所报道工作的竞争性经济利益或个人关系。致谢：本研究使用了从LIGO开放科学中心（https://gwosc.org）获取的数据和软件，该中心由LIGO科学合作组织、Virgo合作组织和KAGRA提供服务。作者感谢TensorFlow、GWpy、scikit-learn和Matplotlib背后的开源社区。本研究在2021年国家教育政策四年制本科项目框架下开展，属于理学物理荣誉学士学位的一部分。作者还感谢物理系。R. Rai | R. Verma | Somya