引力波是目前科学界的一大悬念和难题，其探测耗费的资源和技术难度也都非常大。不过，最近有科学加利用最新的人工智能技术，在传统基础设施上能够快速探测引力波，速度提升数个数量级。
引力波是目前科学界的一大悬念和难题，其探测耗费的资源和技术难度也都非常大。不过，最近有科学加利用最新的人工智能技术，在传统基础设施上能够快速探测引力波，速度提升数个数量级。
当引力波在2015年首次被先进的激光干涉引力波天文台（LIGO）探测到时，它们在科学界掀起了一阵“涟漪”，因为它们证实了爱因斯坦的另一个理论，标志着引力波天文学的诞生。五年后，许多引力波源被探测到，包括首次观测到两颗碰撞的中子星的引力波和电磁波。随着LIGO及其国际合作伙伴继续升级其探测器对引力波的敏感度，他们将能够探测更大的宇宙体积，从而使引力波源的探测成为日常。
这一发现大潮将开启精确天文学的时代，考虑到太阳系外信使现象，包括电磁辐射、引力波、中微子和宇宙射线。然而，实现这一目标将需要对用于搜索和发现引力波的现有方法进行彻底的重新思考。
最近，美国能源部（DOE）阿贡国家实验室的计算科学家和转化人工智能（AI）的负责人Eliu Huerta与来自芝加哥大学、伊利诺伊大学厄巴纳-香槟分校、英伟达和IBM的合作者一起，开发了一个新的生产规模AI框架，允许加速、可扩展和可重复的探测引力波。
这个新框架表明，人工智能模型可以和传统的模板匹配算法一样敏感，但速度要快上几个数量级。此外，这些人工智能算法只需要一个廉价的图形处理单元（GPU），就像视频游戏系统中的那些，就可以比实时更快地处理高级LIGO数据。
本研究使用的人工智能组合在不到7分钟内处理了一整个月（2017年8月）的高级LIGO数据，将数据集分布在64个NVIDIA V100 GPU上。该团队用于这项分析的人工智能组合确定了该数据集中先前确定的所有四个双黑洞合并，并报告了没有错误的分类。
阿贡国家实验室数据科学和学习（DSL）部门主任Ian Foster说：“作为一名计算机科学家，这个项目让我感到兴奋的是，它显示了有了正确的工具，人工智能方法可以自然地整合到科学家的工作流程中--让他们更快更好地完成工作--增强而不是取代人类智慧。”
利用不同的资源，这个跨学科和多机构的合作者团队在《自然-天文学》上发表了一篇论文，展示了一种数据驱动的方法，结合团队的集体超级计算资源，实现了可重复的、加速的、AI驱动的引力波探测。
“在这项研究中，我们利用人工智能和超级计算的综合力量，帮助解决及时和相关的大数据实验。”Huerta说：“我们现在正在使人工智能研究完全可重复，而不仅仅是确定人工智能是否可能为大挑战提供一个新的解决方案。”
在这个项目的跨学科性质的基础上，该团队期待着这个数据驱动的框架在物理学的大数据挑战之外的新应用。
阿贡国家实验室和芝加哥大学的研究科学家Ben Blaiszik说：“这项工作突出了数据基础设施对科学界的重大价值。美国能源部、国家科学基金会（NSF）、国家标准与技术研究院和其他机构所做的长期投资已经创造了一系列的构建模块。我们有可能以新的和令人兴奋的方式将这些构件组合在一起，以扩大这种分析，并在未来帮助向其他人提供这些能力。”
Huerta和他的研究团队在国家科学基金会、阿贡实验室指导研究和发展（LDRD）计划以及能源部创新和新计算对理论和实验的影响（INCITE）计划的支持下开发了他们的新框架。
“这些国家科学基金会的投资包含了原始的、创新的想法，有希望改变以快速流到达的科学数据的处理方式。”国家科学基金会先进网络基础设施办公室主任Manish Parashar说：“计划中的活动正在为许多科学实践团体带来加速和异构计算技术。”
新的框架建立在Huerta和他的同事最初在2017年提出的框架基础上。该团队通过阿贡领导力计算设施（ALCF）数据科学计划的两年奖励，利用阿贡的超级计算资源，进一步推进他们将人工智能用于天体物理学研究。这导致了该团队目前在橡树岭领导力计算设施（OLCF）的Summit超级计算机上的INCITE项目。ALCF和OLCF是DOE科学办公室的用户设施。
责编：EditorDan
您可能感兴趣
