当先进的激光干涉仪引力波天文台 (LIGO) 于 2015 年首次探测到引力波时,它们在科学界掀起了涟漪,因为它们证实了爱因斯坦的另一个理论,并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,包括在引力波和电磁波中首次观测到两颗相撞的中子星。


随着 LIGO 及其国际合作伙伴不断提升探测器对引力波的灵敏度,他们将能够探测到更大的宇宙空间,从而使引力波源的探测成为日常。这一发现将开启精密天文学时代,该时代将太阳外信使现象考虑在内,包括电磁辐射、引力波、中微子和宇宙射线。然而,要实现这一目标,需要彻底重新思考用于搜索和寻找引力波的现有方法。

科学家利用新的生产规模 AI 框架,可以加速、可扩展和可重复地检测引力波

数值相对论模拟的科学可视化,描述了与双黑洞合并 GW170814 一致的两个黑洞的碰撞。模拟是在 Theta 超级计算机上使用开源的数值相对论社区软件 Einstein Toolkit (https://einsteintoolkit.org/) 完成的。


最近,美国能源部 (DOE) 阿贡国家实验室的计算科学家兼转化人工智能 (AI) 负责人 Eliu Huerta 与来自阿贡、芝加哥大学、伊利诺伊大学厄巴纳-香槟分校的合作者合作, NVIDIA 和 IBM 开发了一种新的生产规模 AI 框架,可以加速、可扩展和可重复地检测引力波。


这个新框架表明人工智能模型可能与传统模板匹配算法一样敏感,但速度要快几个数量级。此外,这些 AI 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,就能比实时更快地处理高级 LIGO 数据。


用于这项研究的 AI 集成在不到 7 分钟的时间内处理了整整一个月(2017 年 8 月)的高级 LIGO 数据,将数据集分布在 64 个 NVIDIA V100 GPU 上。该团队用于该分析的 AI 集成识别了先前在该数据集中识别的所有四个二元黑洞合并,并且没有报告错误分类。


作为一名计算机科学家,这个项目让我感到兴奋的是,阿贡数据科学与学习 (DSL) 部门主管 Ian Foster 说,它展示了如何使用正确的工具将人工智能方法自然地集成到科学家的工作流程——让他们能够更快更好地完成工作——增强而不是取代人类智能。

科学家利用新的生产规模 AI 框架,可以加速、可扩展和可重复地检测引力波

这个跨学科、多机构的合作团队利用不同的资源,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,该方法结合了团队的集体超级计算资源,以实现可重复的、加速的、人工智能驱动的引力波探测。


在这项研究中,我们利用人工智能和超级计算的综合力量来帮助解决及时和相关的大数据实验。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以为重大挑战提供新的解决方案, 韦尔塔说。


基于该项目的跨学科性质,该团队期待这一数据驱动框架的新应用超越物理学中的大数据挑战。


这项工作凸显了数据基础设施对科学界的重要价值,阿贡和芝加哥大学的研究科学家 Ben Blaiszik 说,美国能源部、美国国家科学基金会 (NSF)、美国国家标准与技术研究院和其他机构进行的长期投资创造了一套构建模块。我们有可能将这些构建模块整合到一起扩展这种分析并帮助将来向其他人提供这些功能的新的和令人兴奋的方法。


Huerta 和他的研究团队在 NSF、阿贡实验室指导研究与开发 (LDRD) 计划和美国能源部的创新和新颖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 NSF 投资包含原创的、创新的想法,这些想法对改变以快速流形式到达的科学数据的处理方式具有重要意义。计划中的活动正在为许多科学实践社区带来加速和异构计算技术,负责人 Manish Parashar 说。 NSF 高级网络基础设施办公室。


免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~