来自伊利诺伊大学厄巴纳香槟分校的美国国家超级计算应用中心的科学家们正在致力于一项全新的研究，旨在进一步推进人类对宇宙的探索。
引力波是时空结构的波动，它产生于星体爆发、黑洞碰撞，甚至宇宙本身的诞生。美国国家计算机安全协会(NCSA)的科学家们率先使用由GPU加速的深度学习来探测和解读引力波。
这项研究使用在传统超级计算机上运行的模拟来训练AI，这大幅节省了分析引力波以及导致引力波的天文事件所需的时间和计算资源，且极有可能加快科学发现的速度。通过这种方式，研究人员便可以发现未曾探测到的引力波，从而更加深入地对其进行探测，进一步了解宇宙的运作方式。
NCSA重力小组组长、天体物理学家EliuHuerta表示：“科学家可能会发现爱因斯坦在其广义相对论中未曾预测到的引力波。我们甚至可能需要全新的理论来理解天文事件。”
GPU助力研究荣获诺贝尔奖
虽然爱因斯坦在一个多世纪前就曾预测了引力波的存在，但是直至2015年，研究人员才使用激光干涉引力波天文台 (LIGO) 首次探测到引力波。LIGO的三位缔造者凭借这项发现荣获了2017年诺贝尔物理学奖。
引力波是由大型恒星事件引起的，例如数十亿光年以外的黑洞碰撞。引力波以光速传播而且极难探测。LIGO是世界上超级敏感与精准的科学仪器，它还可以捕获地球上的各种震动，大到地震，小到车辆甚至附近人员的移动等。手动编写代码的算法可以滤除外来噪音并隔离LIGO数据中来自引力波的信号，但其计算量非常之大。
Huerta说，使用大量的专用超级计算机进行详细分析要花费几天到几个月的时间。即使这样，他们也可能错过与当前滤波器不匹配的天文现象所生成的信号。
“深度学习是一个颠覆性的工具，它可以改变人们使用计算资源的方式以及所能研究的科学领域。”在伊利诺伊大学厄巴纳香槟分校与Huerta共事的Daniel George博士说道。
以光速发展的科学研究
为了代替手动编码的滤波器，Huerta和George曾使用在由GPU驱动的Blue Waters超级计算机上运行的黑洞碰撞模拟、真实的LIGO数据和NVIDIA DGX-1 AI 超级计算机来训练神经网络。他们将这一方法付诸实践，使用NVIDIA TensorRT进行快速推理，结果速度非常快，只需不到1毫秒的时间即可分析1秒钟的数据。
在他们的实验中，研究人员发现，“Deep Filtering”模型的速度和准确性远超现有的机器学习算法。研究人员指出，该模型还能够更灵活地处理信号故障。他们的研究论文将于三月在《Physics Letters B》期刊上发表。
天文学大爆发
结合LIGO和其他仪器， NCSA的新技术将能更深入地探索宇宙的奥秘，助力开创天文学的新时代。AI正在不断加快微子物理学、生物学和气象学等领域的科学发现。
所谓的“多信使天文学时代”（multi-messengerastronomy）始于去年8月，当时科学家首次探测到了由同一原因（即两个中子星的剧烈碰撞）产生的引力波和光波。
通过LIGO，来自世界各地以及太空中70个天文台的研究人员使用功能强大的望远镜观测到了电磁波谱，包括伽马射线、紫外线和无线电波。
引力中心
从各种角度研究天文事件，就像使用各种感官感受世界一样，可以获得更加全面的了解。为了实现这一目标，科学家需要实时识别引力波、快速确定其来源并描述其全部属性。目前，这是一份充满挑战而且非常耗费时间的工作。
此外，Huerta和George正在致力于将电磁波纳入“Deep Filtering”。Huerta说：“我们正在加快研究进程，以便LIGO可以即时指明观测方向。通过同时观测引力波和光波，我们可以更好地了解宇宙基本作用力的运作方式。”
如需了解更多信息，请参阅研究人员近期发表的论文：
Deep Learning for real-time gravitationalwave detection and parameter estimation: Results with Advanced LIGO data
链接：
https://www.sciencedirect.com/science/article/pii/S0370269317310390
Deep Neural Networks to Enable Real-timeMultimessenger Astrophysics
链接：
https://arxiv.org/abs/1701.00008
*文中首图为某位艺术家绘制的两颗中子星碰撞图。（来源：NSF/LIGO/索诺马州立大学）