多虧了一項(xiàng)新的研究和人工智能，科學(xué)家們?cè)谟钪嬷袑ふ乙Σǖ呐Σ诺玫搅送苿?dòng)。

The Research ，最近發(fā)表于 自然天文學(xué) ，創(chuàng)建了一個(gè)可部署的AI框架，用于以比實(shí)時(shí)快幾個(gè)數(shù)量級(jí)的速度檢測(cè)海量數(shù)據(jù)中的引力波。

這項(xiàng)工作由阿貢國(guó)家實(shí)驗(yàn)室、芝加哥大學(xué)、厄本那香檳分校、 NVIDIA 和 IBM 公司的科學(xué)家組成，這項(xiàng)工作突出了人工智能和超級(jí)計(jì)算機(jī)如何加速可重復(fù)的、數(shù)據(jù)驅(qū)動(dòng)的發(fā)現(xiàn)。

“作為一名計(jì)算機(jī)科學(xué)家，這個(gè)項(xiàng)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(xué)家的工作流程中。讓他們更快更好地完成工作。研究報(bào)告的資深作者、阿貢數(shù)據(jù)科學(xué)和學(xué)習(xí)部主任伊恩·福斯特（ Ian Foster ）說(shuō)他在新聞發(fā)布會(huì)上說(shuō)。

2015 年，先進(jìn)的激光干涉儀引力波觀(guān)測(cè)臺(tái)（ LIGO ）首次在距離 13 億光年的兩個(gè)黑洞碰撞和合并時(shí)探測(cè)到引力波。

當(dāng)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(shí)空中產(chǎn)生漣漪時(shí)，就會(huì)產(chǎn)生這些波。

這一引人注目的發(fā)現(xiàn)證實(shí)了愛(ài)因斯坦相對(duì)論的一部分，即空間和時(shí)間是聯(lián)系在一起的。它還標(biāo)志著引力波天文學(xué)的開(kāi)始，這可能導(dǎo)致對(duì)宇宙的更深理解，包括暗能量、引力和中子星。

它還為科學(xué)家們提供了一種潛力，可以讓他們?cè)跁r(shí)間上回到大爆炸前后的時(shí)刻。

自 2015 年以來(lái)， LIGO 探測(cè)到了更多的引力波源。隨著天文臺(tái)繼續(xù)對(duì)傳感器進(jìn)行升級(jí)和改進(jìn)，宇宙中探測(cè)器的范圍也將擴(kuò)大，產(chǎn)生大量數(shù)據(jù)供處理?？焖儆?jì)算這些數(shù)據(jù)流仍然是引力波天文學(xué)進(jìn)步和發(fā)現(xiàn)的關(guān)鍵。

2018 年，阿貢翻譯 AI 和計(jì)算 Ccience 負(fù)責(zé)人 Eliu Huerta ， 演示 機(jī)器學(xué)習(xí)從多個(gè) LIGO 探測(cè)器數(shù)據(jù)流中檢測(cè)引力波的能力。

在這項(xiàng)研究中，研究人員進(jìn)一步完善了該模型，該模型使用了 cuDNN-Accelerated 深度學(xué)習(xí)框架分布在 64 NVIDIA GPU s 上。他們用 2017 年的 LIGO 數(shù)據(jù)測(cè)試了該模型，發(fā)現(xiàn)該模型準(zhǔn)確地識(shí)別了四個(gè)二元黑洞合并，沒(méi)有任何錯(cuò)誤分類(lèi)。它還可以在 7 分鐘內(nèi)處理一個(gè)月的數(shù)據(jù)。

“在這項(xiàng)研究中，我們利用人工智能和超級(jí)計(jì)算的綜合能力幫助及時(shí)解決相關(guān)的大數(shù)據(jù)實(shí)驗(yàn)。我們現(xiàn)在正在使人工智能研究完全可復(fù)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(shuō)。

該團(tuán)隊(duì)的模型為 open-source ，隨時(shí)可用。

關(guān)于作者

Michelle Horton 是 NVIDIA 的高級(jí)開(kāi)發(fā)人員通信經(jīng)理，擁有通信經(jīng)理和科學(xué)作家的背景。她在 NVIDIA 為開(kāi)發(fā)者博客撰文，重點(diǎn)介紹了開(kāi)發(fā)者使用 NVIDIA 技術(shù)的多種方式。

審核編輯：郭婷