Пять лет спустя были обнаружены многочисленные источники гравитационных волн, включая первое наблюдение двух сталкивающихся нейтронных звезд в гравитационных и электромагнитных волнах.

Научная визуализация численного моделирования относительности, описывающего столкновение двух черных дыр в соответствии с двойным слиянием черных дыр GW170814. Моделирование было выполнено на суперкомпьютере Theta с использованием открытого исходного кода, числовой теории относительности и программного обеспечения Einstein Toolkit (https://einsteintoolkit.org/). Предоставлено: Argonne Leadership Computing Facility, Группа визуализации и анализа данных. [Janet Knowles, Joseph Insley, Victor Mateevitsi, Silvio Rizzi].)

В виде LIGO и ее международные партнеры продолжают повышать чувствительность своих детекторов к гравитационным волнам, они смогут исследовать больший объем Вселенной, тем самым сделав обнаружение источников гравитационных волн повседневным явлением. Этот поток открытий положит начало эре точной астрономии, которая учитывает явления внесолнечных посыльных, включая электромагнитное излучение, гравитационные волны, нейтрино и космические лучи. Однако реализация этой цели потребует радикального переосмысления существующих методов, используемых для поиска и обнаружения гравитационных волн.

Недавно ученый-вычислитель и руководитель отдела трансляционного искусственного интеллекта (AI), Элиу Хуэрта из Министерства энергетики США (DOE) Аргоннская национальная лаборатория совместно с сотрудниками из Аргонна, Чикагского университета, Иллинойского университета в Урбана-Шампейн, NVIDIA а также IBM, разработала новый масштаб производства AI структура, которая позволяет ускоренное, масштабируемое и воспроизводимое обнаружение гравитационных волн.

Эта новая структура указывает на то, что AI модели могут быть такими же чувствительными, как традиционные алгоритмы сопоставления шаблонов, но на порядки быстрее. Кроме того, эти AI алгоритмы потребуют только недорогого графического процессора (GPU), как и в системах видеоигр, для обработки расширенных LIGO данные быстрее, чем в реальном времени.

В AI ансамбль, использованный для этого исследования, обработал весь месяц - август 2017 г. - продвинутых LIGO данные менее чем за семь минут, распределяя набор данных по 64 NVIDIA V100 Графические процессоры. В AI Ансамбль, использованный командой для этого анализа, идентифицировал все четыре слияния бинарных черных дыр, ранее идентифицированных в этом наборе данных, и не сообщил об ошибочной классификации.

«Меня, как ученого-информатика, восхищает в этом проекте то, что он показывает, как с помощью правильных инструментов AI методы могут быть естественным образом интегрированы в рабочие процессы ученых, позволяя им выполнять свою работу быстрее и лучше, дополняя, а не заменяя человеческий интеллект », - сказал Ян Фостер, директор Argonne\'s Data Science and Learning (DSL) разделение.

Используя разрозненные ресурсы, эта междисциплинарная и мультиинституциональная команда сотрудников опубликовал статью в Nature Astronomy демонстрация подхода на основе данных, который объединяет коллективные суперкомпьютерные ресурсы команды, чтобы обеспечить воспроизводимое, ускоренное обнаружение гравитационных волн с помощью ИИ.

«В этом исследовании мы использовали совокупную мощность AI и суперкомпьютерные вычисления для своевременного проведения актуальных экспериментов с большими данными. Мы сейчас делаем AI полностью воспроизводимые исследования, а не просто выяснение того, AI может предложить новое решение грандиозных проблем », - сказал Уэрта.

Основываясь на междисциплинарном характере этого проекта, команда с нетерпением ожидает новых приложений этой управляемой данными среды, выходящей за рамки задач, связанных с большими данными в физике.

«Эта работа подчеркивает значительную ценность инфраструктуры данных для научного сообщества », - сказал Бен Блайзик, ученый-исследователь из Аргоннского и Чикагского университетов.

Взаимодействие с другими людьми«Долгосрочные инвестиции, сделанные DOE, Национальный научный фонд (NSF), Национальный институт стандартов и технологий и другие создали набор строительных блоков. У нас есть возможность объединить эти строительные блоки новыми и захватывающими способами для масштабирования этого анализа и помочь предоставить эти возможности другим в будущем ».

Уэрта и его исследовательская группа разработали свою новую структуру при поддержке NSF, Лаборатория Аргонна руководила исследованиями и разработками (LDRD) программа и DOEИнновационное и новое вычислительное влияние на теорию и эксперимент (INCITE) программа.

«Эти NSF Инвестиции содержат оригинальные инновационные идеи, которые обещают существенно изменить способ обработки научных данных, поступающих в быстрые потоки. Запланированные мероприятия принесут ускоренные и разнородные вычислительные технологии во многие научные сообщества », - сказал Маниш Парашар, директор Управления передовой киберинфраструктуры в NSF.