多虧了一項新的研究和人工智能，科學家們在宇宙中尋找引力波的努力才得到了推動。

The Research ，最近發(fā)表于 自然天文學 ，創(chuàng)建了一個可部署的AI框架，用于以比實時快幾個數(shù)量級的速度檢測海量數(shù)據(jù)中的引力波。

這項工作由阿貢國家實驗室、芝加哥大學、厄本那香檳分校、 NVIDIA 和 IBM 公司的科學家組成，這項工作突出了人工智能和超級計算機如何加速可重復的、數(shù)據(jù)驅動的發(fā)現(xiàn)。

“作為一名計算機科學家，這個項目讓我感到興奮的是，它展示了如何使用正確的工具，將人工智能方法自然地集成到科學家的工作流程中。讓他們更快更好地完成工作。研究報告的資深作者、阿貢數(shù)據(jù)科學和學習部主任伊恩·福斯特（ Ian Foster ）說他在新聞發(fā)布會上說。

2015 年，先進的激光干涉儀引力波觀測臺（ LIGO ）首次在距離 13 億光年的兩個黑洞碰撞和合并時探測到引力波。

當大質(zhì)量物體快速加速（如恒星爆炸或大質(zhì)量物體碰撞）在時空中產(chǎn)生漣漪時，就會產(chǎn)生這些波。

這一引人注目的發(fā)現(xiàn)證實了愛因斯坦相對論的一部分，即空間和時間是聯(lián)系在一起的。它還標志著引力波天文學的開始，這可能導致對宇宙的更深理解，包括暗能量、引力和中子星。

它還為科學家們提供了一種潛力，可以讓他們在時間上回到大爆炸前后的時刻。

自 2015 年以來， LIGO 探測到了更多的引力波源。隨著天文臺繼續(xù)對傳感器進行升級和改進，宇宙中探測器的范圍也將擴大，產(chǎn)生大量數(shù)據(jù)供處理?？焖儆嬎氵@些數(shù)據(jù)流仍然是引力波天文學進步和發(fā)現(xiàn)的關鍵。

2018 年，阿貢翻譯 AI 和計算 Ccience 負責人 Eliu Huerta ， 演示 機器學習從多個 LIGO 探測器數(shù)據(jù)流中檢測引力波的能力。

在這項研究中，研究人員進一步完善了該模型，該模型使用了 cuDNN-Accelerated 深度學習框架分布在 64 NVIDIA GPU s 上。他們用 2017 年的 LIGO 數(shù)據(jù)測試了該模型，發(fā)現(xiàn)該模型準確地識別了四個二元黑洞合并，沒有任何錯誤分類。它還可以在 7 分鐘內(nèi)處理一個月的數(shù)據(jù)。

“在這項研究中，我們利用人工智能和超級計算的綜合能力幫助及時解決相關的大數(shù)據(jù)實驗。我們現(xiàn)在正在使人工智能研究完全可復制，而不僅僅是確定人工智能是否可以為重大挑戰(zhàn)提供新的解決方案，” Huerta 說。

該團隊的模型為 open-source ，隨時可用。

關于作者

Michelle Horton 是 NVIDIA 的高級開發(fā)人員通信經(jīng)理，擁有通信經(jīng)理和科學作家的背景。她在 NVIDIA 為開發(fā)者博客撰文，重點介紹了開發(fā)者使用 NVIDIA 技術的多種方式。

審核編輯：郭婷