多亏了一项新的研究和人工智能，科学家们在宇宙中寻找引力波的努力才得到了推动。
The Research ，最近发表于 自然天文学 ，创建了一个可部署的 AI 框架，用于以比实时快几个数量级的速度检测海量数据中的引力波。
这项工作由阿贡国家实验室、芝加哥大学、厄本那香槟分校、 NVIDIA 和 IBM 公司的科学家组成，这项工作突出了人工智能和超级计算机如何加速可重复的、数据驱动的发现。
“作为一名计算机科学家，这个项目让我感到兴奋的是，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中。让他们更快更好地完成工作。研究报告的资深作者、阿贡数据科学和学习部主任伊恩·福斯特（ Ian Foster ）说他在新闻发布会上说。
2015 年，先进的激光干涉仪引力波观测台（ LIGO ）首次在距离 13 亿光年的两个黑洞碰撞和合并时探测到引力波。
当大质量物体快速加速（如恒星爆炸或大质量物体碰撞）在时空中产生涟漪时，就会产生这些波。
这一引人注目的发现证实了爱因斯坦相对论的一部分，即空间和时间是联系在一起的。它还标志着引力波天文学的开始，这可能导致对宇宙的更深理解，包括暗能量、引力和中子星。
它还为科学家们提供了一种潜力，可以让他们在时间上回到大爆炸前后的时刻。
自 2015 年以来， LIGO 探测到了更多的引力波源。随着天文台继续对传感器进行升级和改进，宇宙中探测器的范围也将扩大，产生大量数据供处理。快速计算这些数据流仍然是引力波天文学进步和发现的关键。
2018 年，阿贡翻译 AI 和计算 Ccience 负责人 Eliu Huerta ， 演示 机器学习从多个 LIGO 探测器数据流中检测引力波的能力。
在这项研究中，研究人员进一步完善了该模型，该模型使用了 cuDNN-Accelerated 深度学习框架分布在 64 NVIDIA GPU s 上。他们用 2017 年的 LIGO 数据测试了该模型，发现该模型准确地识别了四个二元黑洞合并，没有任何错误分类。它还可以在 7 分钟内处理一个月的数据。
“在这项研究中，我们利用人工智能和超级计算的综合能力帮助及时解决相关的大数据实验。我们现在正在使人工智能研究完全可复制，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，” Huerta 说。
该团队的模型为 open-source ，随时可用。
