❏ 站外平台:

LIGO 用 Python 分析引力波数据

作者: 编程派 EarlGrey

| 2016-02-12 20:50   评论: 4 收藏: 3    

美国科学家11日宣布,他们去年9月首次探测到引力波。这一发现印证了物理学大师爱因斯坦100年前的预言。宣布这一发现的,是激光干涉引力波天文台(LIGO)的负责人。

这个机构诞生于上世纪90年代,进行引力波观测已经有近30年。那么观测到的引力波数据的量应该很大,科学家如何对这些数据进行分析?有没有用到Python编程语言?

答案是肯定的。笔者在Github上发现了一个专门用于分析引力波数据的Python包:GWPY。据维护者介绍,GWPY的代码来自LIGO和另一个名叫Virgo的机构,维护者将这两个机构科学家的Python代码整理,最终的产品就是GWPY这个用户友好的Python包。

在具体介绍GWPY之前,先给和笔者一样的小白简单科普一下引力波和LIGO的相关知识。

什么是引力波?

This 3-D visualization shows the gravitational waves produced by two orbiting black holes. (Credit: NASA)

上图是两个黑洞所产生的引力波的3-D模拟图(NASA)。

首先,什么是引力波?在物理学上,引力波是爱因斯坦广义相对论所预言的一种以光速传播的时空波动,如同石头丢进水里产生的波纹一样,引力波被视为宇宙中的“时空涟漪”。通常引力波的产生非常困难,地球围绕太阳以每秒30千米的速度前进,发出的引力波功率仅为200瓦,还不如家用电饭煲功率大。宇宙中大质量天体的加速、碰撞和合并等事件才可以形成强大的引力波,但能产生这种较强引力波的波源距离地球都十分遥远,传播到地球时变得非常微弱。

下面分享两个优秀的视频,很好地解释了引力波及背后的原理。第一个来自LIGO,第二个则是比较通俗的漫画式讲解。

LIGO科学家的解释:

漫画式通俗解释:

LIGO是什么?

激光干涉引力波观测站 Laser Interferometer Gravitational-Wave ObservatoryLIGO是加州理工学院(Caltech)和麻省理工学院(MIT)的合作实验室,现在也有其他的大学参与。实验资金来源于美国国家科学基金会。LIGO是用来寻找宇宙中的引力波,从而可以验证黑洞的存在和检验广义相对论。

90年代:LIGO计划

LIGO主要有两个观测点,位于路易斯安那Livingston Parish的LIGO Livingston观测点,和华盛顿 Hanford的LIGO Hanford观测点。除此之外,在加州Passadena 的Caltech校园中还有LIGO 40m Prototype 。

LIGO是如何探测引力波的?

GWPY:LIGO用它分析引力波数据?

gwpy

接下来是本文的重头戏。我们一起来学习如何GWPY分析引力波数据。下面的介绍及示例均来自GWPY的官方文档

安装

很简单,pip install gwpy就可以完成安装。

不过安装的过程可能会比较长,因为gwpy使用的依赖包比较多,包括numpy、 scipy、 cycler、matplotlib、astropy等。

面向对象编程

GWPY是一个面向对象编程的Python包,也就是说,数据对象是这个包的核心关注点。每一个数据对象都体现为一个类实例,包含了其属性和包含的数据。

如果想创建一个新的类实例,建议使用标准的构建器constructor。举个例子,我们可以使用一个数据数组,生成一个TimeSeries对象:

>>> from gwpy.timeseries import TimeSeries
>>> mydata = TimeSeries([1,2,3,4,5,6,7,8,9,10], sample_rate=1, epoch=0)

或者从在线数据服务器上下载:

>>> from gwpy.timeseries import TimeSeries
>>> mydata = TimeSeries.fetch('H1:LDAS-STRAIN', 964656015, 964656615)

核心数据对象

据介绍,GWPY提供了4种核心数据对象,分别代表引力波探测器所产生的四种标准数据:

  • TimeSeries(时间序列数据)
  • Spectrum(光谱数据)
  • Spectrogram(光谱图)
  • DataQualityFlag

引力波数据可视化

我们知道,将引力波探测器收集的数据可视化,对于理解引力波的特性、研究引力波信号来说非常有帮助。gwpy.plotter模块中提供了一些plot类,可以直观地展示相应的数据类型。

GWPY的核心数据对象里,大部分都内置有一个plot()方法,可以让研究人员快速对某个数据集进行可视化展示。举个例子:

>>> from gwpy.timeseries import TimeSeries
>>> data = TimeSeries.fetch('H1:LDAS-STRAIN', 968654552, 968654562)
>>> plot = data.plot()
>>> plot.show()

gwpy data plot

GWPY:利用公开的LIGO数据进行绘图

我们接下来利用LIGO公开的一些引力波时间序列数据进行绘图。我们可以直接在线加载这些数据。首先导入我们需要的模块:

>>> from urllib2 import urlopen
>>> from numpy import asarray
>>> from gwpy.timeseries import TimeSeries

然后,下载数据,保存为文本字符串:

>>> data = urlopen('http://www.ligo.org/science/GW100916/L-strain_hp30-968654552-10.txt').read()

现在,我们可以对文本进行解析,补充必要的元数据之后,就可以生成一个TimeSeries:

>>> ts = TimeSeries(asarray(data.splitlines(), dtype=float),
>>>                 epoch=968654552, sample_rate=16384, unit='strain')

最后,我们就可以绘图了:

>>> plot = ts.plot()
>>> plot.set_title('LIGO Livingston Observatory data for GW100916')
>>> plot.set_ylabel('Gravitational-wave strain amplitude')
>>> plot.show()

LIGO Livingston Observatory data for GW100916



最新评论

bl520025 [Chrome 48.0|Windows 10] 2016-02-14 15:11 3 回复
拍蛇牛逼闪闪
zxciddee [Maxthon 4.0|Windows XP] 2016-02-13 11:45 4 回复
不愧是胶水
zxciddee [Maxthon 4.0|Windows XP] 2016-02-13 11:44 4 回复
逼格太高受不了
ryt [Chrome 47.0|GNU/Linux] 2016-02-13 07:23 3 回复
Python还是很强大的。

返回顶部

分享到微信

打开微信,点击顶部的“╋”,
使用“扫一扫”将网页分享至微信。