Reduced Order Modeling for Gravitational Waves

引力波的降阶建模

基本信息

  • 批准号:
    1316424
  • 负责人:
  • 金额:
    $ 37.5万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Continuing Grant
  • 财政年份:
    2013
  • 资助国家:
    美国
  • 起止时间:
    2013-09-01 至 2014-11-30
  • 项目状态:
    已结题

项目摘要

The structure of the eight-dimensional parameter space for gravitational waves produced by binary black hole mergers is largely unknown. For each parameter value, each solution is found from numerically solving Einstein's equations and involves time intensive large-scale simulations. Hence, it is prohibitively expensive to explore the parameter space with traditional methods, which ultimately limits progress in gravitational waves physics and presents an important scientific challenge for the experimental program at the Laser Interferometer Gravitational-Wave Observatory (LIGO). In this project, new reduced-order modeling techniques will be developed for accurately representing solutions of parameterized problems that are expensive to solve for numerically, specifically in the context of gravitational waves from black hole binary mergers. The results of this research project will enable the scientific community to make significant progress in the ability to map the continuum of gravitational waves from compact binary coalescence for gravitational wave detection purposes. It is expected the methods developed in this proposal will be useful for a broad range of other disciplines involving parameterized problems and expensive large-scale numerical solutions. The project involves significant contributions from two post-doctoral fellows, whose future careers will benefit from performing creative research at the forefront of an important scientific investigation.
双黑洞合并产生的引力波的八维参数空间的结构在很大程度上是未知的。对于每个参数值,每个解都是通过数值求解爱因斯坦方程找到的,并且涉及时间密集型的大规模模拟。因此,用传统方法探索参数空间的成本过高,这最终限制了引力波物理学的进展,并对激光干涉引力波天文台(LIGO)的实验项目提出了重要的科学挑战。在该项目中,将开发新的降阶建模技术,以准确表示参数化问题的解决方案,这些问题的数值求解成本很高,特别是在黑洞双星合并产生的引力波的背景下。该研究项目的结果将使科学界在绘制致密双星聚结的引力波连续谱以用于引力波探测的能力方面取得重大进展。预计本提案中开发的方法将适用于涉及参数化问题和昂贵的大规模数值解决方案的广泛其他学科。该项目涉及两名博士后研究员的重大贡献,他们未来的职业生涯将受益于在重要科学研究的前沿进行创造性研究。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Manuel Tiglio其他文献

Hyperparameter Optimization of an hp-Greedy Reduced Basis for Gravitational Wave Surrogates
引力波替代物的 hp 贪婪约简基的超参数优化
  • DOI:
    10.3390/universe10010006
  • 发表时间:
    2023-12-23
  • 期刊:
  • 影响因子:
    2.9
  • 作者:
    F. Cerino;J. A. Diaz;Emmanuel A. Tassone;Manuel Tiglio;Atuel Villegas
  • 通讯作者:
    Atuel Villegas

Manuel Tiglio的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Manuel Tiglio', 18)}}的其他基金

Reduced Basis, Symbolic Regression, and Closed Form Expressions for Gravitational Waves
引力波的约化基、符号回归和闭合形式表达式
  • 批准号:
    1607646
  • 财政年份:
    2016
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Reduced Order Modeling for Gravitational Waves
引力波的降阶建模
  • 批准号:
    1500818
  • 财政年份:
    2014
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Continuing Grant
Reduced Basis for Gravitational Waves: Select, Solve, Represent, Predict
引力波的简化基础:选择、求解、表示、预测
  • 批准号:
    1208861
  • 财政年份:
    2012
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Continuing Grant
Algorithms and Scientific Computing for Gravitational Waves Source Modeling
引力波源建模的算法和科学计算
  • 批准号:
    1005632
  • 财政年份:
    2010
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Continuing Grant
Algorithms, Scientific Computing, and Numerical Studies in Classical and Quantum General Relativity
经典和量子广义相对论中的算法、科学计算和数值研究
  • 批准号:
    0908457
  • 财政年份:
    2009
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Numerical simulations of Einstein's equations
爱因斯坦方程的数值模拟
  • 批准号:
    0801213
  • 财政年份:
    2008
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Continuing Grant
Techniques for evolving Einstein's equations
爱因斯坦方程的演化技术
  • 批准号:
    0505761
  • 财政年份:
    2005
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant

相似国自然基金

不确定非线性系统凸优化模糊自适应命令滤波反步控制及应用
  • 批准号:
    62303255
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
基于Order的SIS/LWE变体问题及其应用
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    53 万元
  • 项目类别:
    面上项目
针对动态无线充电系统的基于事件触发和命令滤波的保性能控制方法研究
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    24 万元
  • 项目类别:
    青年科学基金项目
染色质三维构象新型调控因子的机制研究
  • 批准号:
    31900431
  • 批准年份:
    2019
  • 资助金额:
    24.0 万元
  • 项目类别:
    青年科学基金项目
不同环境规制下绿色创新效应研究:微观机制与政策选择
  • 批准号:
    71903063
  • 批准年份:
    2019
  • 资助金额:
    19.0 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

CAREER: Physics-Infused Reduced-Order Modeling for Control Co-Design of Morphing Aerial Autonomous Systems
职业:用于变形空中自主系统控制协同设计的物理降阶建模
  • 批准号:
    2340266
  • 财政年份:
    2024
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
CAREER: Multiscale Reduced Order Modeling and Design to Elucidate the Microstructure-Property-Performance Relationship of Hybrid Composite Materials
职业:通过多尺度降阶建模和设计来阐明混合复合材料的微观结构-性能-性能关系
  • 批准号:
    2341000
  • 财政年份:
    2024
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
Collaborative Research: Understanding Urban Resilience to Pluvial Floods Using Reduced-Order Modeling
合作研究:使用降阶模型了解城市对洪涝灾害的抵御能力
  • 批准号:
    2053429
  • 财政年份:
    2022
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
NNA Research: Development of a Nonlinear Reduced Order Modeling Framework for Marine Structures Operating in The Arctic and Sub-Arctic Regions
NNA 研究:为北极和亚北极地区运行的海洋结构开发非线性降阶建模框架
  • 批准号:
    2127095
  • 财政年份:
    2022
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Standard Grant
CAREER: Goal-Oriented Variable Transformations for Efficient Reduced-Order and Data-Driven Modeling
职业:面向目标的变量转换,用于高效的降阶和数据驱动建模
  • 批准号:
    2144023
  • 财政年份:
    2022
  • 资助金额:
    $ 37.5万
  • 项目类别:
    Continuing Grant
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了