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，他们在科学界掀起了涟漪，因为他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，该时代将太阳系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。

最近，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。

用于本研究的 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 V 100 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，什么是令人兴奋的给我介绍这个项目，”伊恩·福斯特，阿贡国家实验室的数据科学与学习(总监DSL)划分，“是，它显示了如何，使用正确的工具， AI 方法可以自然地集成进入科学家的工作流程——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。”

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、加速、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。“已所作出的长期投资 能源部，国家科学基金会(NSF)，国家标准与技术全国学院和其他人建立了一套积木。我们有可能以新的和令人兴奋的方式将这些构建块组合在一起，以扩展这种分析，并帮助将来向其他人提供这些功能。”

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 DOE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。NSF高级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社区带来加速和异构计算技术 。

新的框架构建了一个脱 框架 最初 提出 通过韦尔塔和他的同事们在 2017年。该团队 通过利用 Argonne 超级计算资源通过 Argonne Leadership Computing Facility ( ALCF ) 数据科学计划颁发的两年奖项，进一步推进了他们在天体物理学研究中使用 AI 的过程。这导致了该团队目前 在橡树岭领导计算设施 ( OLCF )的 Summit 超级计算机上的INCITE项目。该 ALCF 和 OLCF 是 能源部 科学用户设施的办公室。