Quando le onde gravitazionali furono rilevate per la prima volta nel 2015 dall'avanzato Laser Interferometer Gravitational-Wave Observatory (LIGO), hanno inviato un'increspatura attraverso la comunità scientifica, poiché confermarono un'altra delle teorie di Einstein e segnarono la nascita dell'astronomia delle onde gravitazionali. Cinque anni dopo, sono state rilevate numerose sorgenti di onde gravitazionali, inclusa la prima osservazione di due stelle di neutroni in collisione in onde gravitazionali ed elettromagnetiche.

Mentre LIGO e i suoi partner internazionali continuano ad aggiornare la sensibilità dei loro rivelatori alle onde gravitazionali, saranno in grado di sondare un volume maggiore dell'universo, rendendo così il rilevamento di sorgenti di onde gravitazionali un evento quotidiano. Questo diluvio di scoperte lancerà l'era dell'astronomia di precisione che prende in considerazione i fenomeni di messaggero extrasolare, comprese le radiazioni elettromagnetiche, onde gravitazionali, neutrini e raggi cosmici. Realizzando questo obiettivo, però, richiederà un ripensamento radicale dei metodi esistenti utilizzati per cercare e trovare le onde gravitazionali.

Recentemente, scienziato computazionale e responsabile dell'intelligenza artificiale traslazionale (AI) Eliu Huerta del Dipartimento dell'Energia degli Stati Uniti (DOE) Argonne National Laboratory, in collaborazione con i collaboratori di Argonne, l'Università di Chicago, l'Università dell'Illinois a Urbana-Champaign, NVIDIA e IBM, ha sviluppato un nuovo framework di intelligenza artificiale su scala di produzione che consente di accelerare, rilevamento scalabile e riproducibile delle onde gravitazionali.

Questo nuovo framework indica che i modelli di intelligenza artificiale potrebbero essere sensibili quanto i tradizionali algoritmi di corrispondenza dei modelli, ma ordini di grandezza più veloci. Per di più, questi algoritmi di intelligenza artificiale richiederebbero solo un'unità di elaborazione grafica (GPU) poco costosa, come quelli che si trovano nei sistemi di videogiochi, per elaborare i dati LIGO avanzati più velocemente del tempo reale.

L'insieme di intelligenza artificiale utilizzato per questo studio ha elaborato un intero mese, agosto 2017, di dati LIGO avanzati in meno di sette minuti, distribuendo il set di dati su 64 GPU NVIDIA V100. L'insieme di intelligenza artificiale utilizzato dal team per questa analisi ha identificato tutte e quattro le fusioni binarie di buchi neri precedentemente identificate in quel set di dati, e non ha riportato errori di classificazione.

"Come informatico, cosa c'è di eccitante per me di questo progetto, "ha detto Ian Foster, direttore della divisione Data Science and Learning (DSL) di Argonne, "è che mostra come, con gli strumenti giusti, I metodi di intelligenza artificiale possono essere integrati naturalmente nei flussi di lavoro degli scienziati, consentendo loro di svolgere il proprio lavoro più velocemente e meglio, aumentando, non sostituendo, intelligenza umana».

Mettendo a disposizione risorse disparate, questo team interdisciplinare e multi-istituzionale di collaboratori ha pubblicato un paper in Astronomia della natura mostrando un approccio basato sui dati che combina le risorse collettive di supercalcolo del team per consentire riproducibilità, accelerato, Rilevamento delle onde gravitazionali basato sull'intelligenza artificiale.

"In questo studio, abbiamo utilizzato la potenza combinata dell'intelligenza artificiale e del supercalcolo per aiutare a risolvere esperimenti tempestivi e pertinenti sui big data. Ora stiamo rendendo gli studi sull'intelligenza artificiale completamente riproducibili, non solo accertare se l'IA può fornire una nuova soluzione alle grandi sfide, " disse Huerta.

Basandosi sulla natura interdisciplinare di questo progetto, il team attende con impazienza nuove applicazioni di questo framework basato sui dati oltre le sfide dei big data in fisica.

"Questo lavoro mette in evidenza il valore significativo dell'infrastruttura dei dati per la comunità scientifica, " ha detto Ben Blaiszik, un ricercatore presso Argonne e l'Università di Chicago. "Gli investimenti a lungo termine che sono stati fatti da DOE, la National Science Foundation (NSF), i National Institutes of Standards and Technology e altri hanno creato una serie di elementi costitutivi. È possibile per noi riunire questi elementi costitutivi in ​​modi nuovi ed entusiasmanti per ridimensionare questa analisi e aiutare a fornire queste capacità ad altri in futuro".

Huerta e il suo team di ricerca hanno sviluppato il loro nuovo quadro attraverso il supporto della NSF, Il programma di ricerca e sviluppo diretto dal laboratorio di Argonne (LDRD) e il programma INCITE (Innovative and Novel Computational Impact on Theory and Experiment) del DOE.

"Questi investimenti NSF contengono originali, idee innovative che promettono in modo significativo di trasformare il modo in cui vengono elaborati i dati scientifici che arrivano in flussi veloci. Le attività pianificate stanno portando la tecnologia informatica accelerata ed eterogenea a molte comunità scientifiche di pratica, " disse Manish Parashar, direttore dell'Office of Advanced Cyberinfrastructure presso NSF.