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 ，最近發表于 自然天文學 ，創建了一個可部署的AI框架，用于以比實時快幾個數量級的速度檢測海量數據中的引力波。

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、數據驅動的發現。

“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、阿貢數據科學和學習部主任伊恩·福斯特（ Ian Foster ）說他在新聞發布會上說。

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。

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

這一引人注目的發現證實了愛因斯坦相對論的一部分，即空間和時間是聯系在一起的。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，產生大量數據供處理。快速計算這些數據流仍然是引力波天文學進步和發現的關鍵。

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 探測器數據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 數據測試了該模型，發現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 分鐘內處理一個月的數據。

“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據實驗。我們現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 的高級開發人員通信經理，擁有通信經理和科學作家的背景。她在 NVIDIA 為開發者博客撰文，重點介紹了開發者使用 NVIDIA 技術的多種方式。

審核編輯：郭婷