Buchumschlag

Learning Null Geodesics for Gravitational Lensing Rendering in General Relativity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Mingyuan, Fang, Zheng, Wang, Jiaxu, Zhang, Kunyi, Zhang, Qiang, Xu, Renjing
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	General Relativity and Quantum Cosmology Instrumentation and Methods for Astrophysics Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Detection of Lensed Gravitational Waves in the Millihertz Band Using Frequency-Domain Lensing Feature Extraction Network
von: Wang, Tianlong, et al.
Veröffentlicht: (2025)

Gravitational Lensing of Galaxy Clustering
von: Buncher, Brandon, et al.
Veröffentlicht: (2024)

Null Stream Based Third-generation-ready Glitch Mitigation for Gravitational Wave Measurements
von: Narola, Harsh, et al.
Veröffentlicht: (2024)

A First Investigation of Repeated-Signal Localization of Strongly Lensed Gravitational Waves for Multimessenger Astronomy
von: Li, Alvin K. Y., et al.
Veröffentlicht: (2026)

Sensitivity of Weak Lensing Surveys to Gravitational Waves from Inspiraling Supermassive Black Hole Binaries
von: Adi, Tal, et al.
Veröffentlicht: (2025)

Mapping Anisotropies in the Stochastic Gravitational-Wave Background with space detector networks
von: Li, Zhi-Yuan, et al.
Veröffentlicht: (2025)

Semi-Supervised Learning for Lensed Quasar Detection
von: Sweeney, David, et al.
Veröffentlicht: (2025)

Calibration Method of Spacecraft-Inertial Sensor Center-of-Mass Offset for the Taiji Gravitational Wave Detection Mission under Science Mode
von: Zhang, Haoyue, et al.
Veröffentlicht: (2025)

A Fast Bayesian Method for Coherent Gravitational Wave Searches with Relative Astrometry
von: Zhang, Benjamin, et al.
Veröffentlicht: (2025)

Searching for Gravitational Waves with Gaia and its Cross-Correlation with PTA: Absolute vs Relative Astrometry
von: Vaglio, Massimo, et al.
Veröffentlicht: (2025)

Fast Waveform Generation for Gravitational Waves using Evolutionary Algorithms
von: Meijer, Quirijn, et al.
Veröffentlicht: (2024)

Weak Lensing Approximation of Wave-optics Effects from General Symmetric Lens Profiles
von: Wu, Zhao-Feng, et al.
Veröffentlicht: (2025)

Towards Realistic Detection Pipelines of Taiji: New Challenges in Data Analysis and High-Fidelity Simulations of Space-Based Gravitational Wave Antenna
von: Du, Minghui, et al.
Veröffentlicht: (2025)

Generating optimal Gravitational-Wave template banks with metric-preserving autoencoders
von: Cabass, Giovanni, et al.
Veröffentlicht: (2025)

Identifying and Mitigating Machine Learning Biases for the Gravitational Wave Detection Problem
von: Nagarajan, Narenraju, et al.
Veröffentlicht: (2025)

Deep Learning Search for Gravitational Waves from Compact Binary Coalescence
von: Mobilia, Lorenzo, et al.
Veröffentlicht: (2026)

Gravitational Wave Polarization Detection with Tetrahedron Constellation of Gravitational Wave Observatory
von: Jin, Hong-Bo, et al.
Veröffentlicht: (2024)

Technical Noise, Data Quality, and Calibration Requirements for Next-Generation Gravitational-Wave Science
von: Capote, Elenna, et al.
Veröffentlicht: (2024)

Evaluating Deep Learning Models for Multiclass Classification of LIGO Gravitational-Wave Glitches
von: Manoharan, Rudhresh, et al.
Veröffentlicht: (2026)

A Deep Learning Framework for Amplitude Generation of Generic EMRIs
von: Zeng, Yan-bo, et al.
Veröffentlicht: (2026)

TemplateGeNN: Neural Networks used to accelerate Gravitational Wave Template Bank Generation
von: Green, Susanna, et al.
Veröffentlicht: (2025)

LensingFlow: An Automated Workflow for Gravitational Wave Lensing Analyses
von: Wright, Mick, et al.
Veröffentlicht: (2025)

PycWB: A User-friendly, Modular, and Python-based Framework for Gravitational Wave Unmodelled Search
von: Xu, Yumeng, et al.
Veröffentlicht: (2023)

Costs of Bayesian Parameter Estimation in Third-Generation Gravitational Wave Detectors: an Assessment of Current Acceleration Methods
von: Hu, Qian, et al.
Veröffentlicht: (2024)

Basic Data Processing of Gravitational Waves
von: Wu, Jingxu, et al.
Veröffentlicht: (2024)

Gravitational waves and small-field astrometry
von: Geyer, Robin, et al.
Veröffentlicht: (2026)

Mapping the Gravitational-wave Background Across the Spectrum with a Next-Generation Anisotropic Per-frequency Optimal Statistic
von: Gersbach, Kyle A., et al.
Veröffentlicht: (2025)

Robustness of Deep Learning Models to Precession in Gravitational-Wave Searches for Intermediate-Mass Black Hole Binaries
von: Meijer, Quirijn, et al.
Veröffentlicht: (2024)

Atmospheric Newtonian Noise May Constrain Third-Generation Gravitational-Wave Detectors
von: Wang, Wenhui, et al.
Veröffentlicht: (2025)

Bidirectional Internal Squeezing for Gravitational-Wave Detectors
von: Vermeulen, Sander M., et al.
Veröffentlicht: (2026)

Circularly Polarized Gravitational Wave Background Search with a Network of Space-borne Triangular Detectors
von: Chen, Ju, et al.
Veröffentlicht: (2024)

Parameter Estimation with Nonstationary Noise in Gravitational-wave Data
von: Kumar, Sumit, et al.
Veröffentlicht: (2022)

Expanding the Quantum-Limited Gravitational-Wave Detection Horizon
von: Tao, Liu, et al.
Veröffentlicht: (2025)

Robust, Rapid, and Simple Gravitational-wave Parameter Estimation
von: Nitz, Alexander Harvey
Veröffentlicht: (2024)

Accelerated Time-domain Analysis for Gravitational Wave Astronomy
von: Prasad, Vaishak
Veröffentlicht: (2026)

Modeling coupled constellation dynamics for TianQin under self-gravity
von: Fang, Yuzhou, et al.
Veröffentlicht: (2025)

A Mössbauer Scheme to Probe Gravitational Waves
von: Gao, Yu, et al.
Veröffentlicht: (2023)

Parallel Nested Slice Sampling for Gravitational Wave Parameter Estimation
von: Yallup, David, et al.
Veröffentlicht: (2025)

Prospects for High-Frequency Gravitational-Wave Detection with GEO600
von: Jungkind, Christopher M., et al.
Veröffentlicht: (2025)

Likelihood for a Network of Gravitational-Wave Detectors with Correlated Noise
von: Cireddu, Francesco, et al.
Veröffentlicht: (2023)