Visualización científica de una simulación de relatividad numérica que describe la colisión de dos agujeros negros consistente con la fusión de agujeros negros binarios GW170814. La simulación se realizó en la supercomputadora Theta utilizando el código abierto, relatividad numérica, Software comunitario Einstein Toolkit (https://einsteintoolkit.org/). Crédito:Argonne Leadership Computing Facility, Grupo de visualización y análisis de datos [Janet Knowles, Joseph Insley, Victor Mateevitsi, Silvio Rizzi].)
Cuando las ondas gravitacionales fueron detectadas por primera vez en 2015 por el avanzado Observatorio de ondas gravitacionales con interferómetro láser (LIGO), enviaron una onda a través de la comunidad científica, ya que confirmaron otra de las teorías de Einstein y marcaron el nacimiento de la astronomía de ondas gravitacionales. Cinco años después, Se han detectado numerosas fuentes de ondas gravitacionales. incluida la primera observación de dos estrellas de neutrones en colisión en ondas gravitacionales y electromagnéticas.
A medida que LIGO y sus socios internacionales continúan mejorando la sensibilidad de sus detectores a las ondas gravitacionales, podrán sondear un volumen mayor del universo, lo que hace que la detección de fuentes de ondas gravitacionales sea una ocurrencia diaria. Este diluvio de descubrimientos iniciará la era de la astronomía de precisión que toma en consideración los fenómenos de mensajeros extrasolares, incluida la radiación electromagnética, ondas gravitacionales, neutrinos y rayos cósmicos. Al darse cuenta de este objetivo, sin embargo, Requerirá un replanteamiento radical de los métodos existentes utilizados para buscar y encontrar ondas gravitacionales.
Recientemente, científico computacional y líder de inteligencia artificial traslacional (IA) Eliu Huerta del Laboratorio Nacional Argonne del Departamento de Energía de EE. UU. (DOE), en conjunto con colaboradores de Argonne, la Universidad de Chicago, la Universidad de Illinois en Urbana-Champaign, NVIDIA e IBM, ha desarrollado un nuevo marco de inteligencia artificial a escala de producción que permite Detección escalable y reproducible de ondas gravitacionales.
Este nuevo marco indica que los modelos de IA podrían ser tan sensibles como los algoritmos tradicionales de coincidencia de plantillas, pero órdenes de magnitud más rápido. Es más, estos algoritmos de IA solo requerirían una unidad de procesamiento de gráficos (GPU) económica, como los que se encuentran en los sistemas de videojuegos, para procesar datos LIGO avanzados más rápido que en tiempo real.
El conjunto de inteligencia artificial utilizado para este estudio procesó un mes completo (agosto de 2017) de datos LIGO avanzados en menos de siete minutos, distribuir el conjunto de datos en 64 GPU NVIDIA V100. El conjunto de inteligencia artificial utilizado por el equipo para este análisis identificó las cuatro fusiones binarias de agujeros negros identificadas previamente en ese conjunto de datos, y no informó errores de clasificación.
"Como científico informático, lo que me emociona de este proyecto, "dijo Ian Foster, director de la división de aprendizaje y ciencia de datos (DSL) de Argonne, "es que muestra cómo, con las herramientas adecuadas, Los métodos de IA se pueden integrar de forma natural en los flujos de trabajo de los científicos, lo que les permite hacer su trabajo más rápido y mejor, aumentando, no reemplazando, Inteligencia humana."
Aportando recursos dispares, este equipo interdisciplinario y multiinstitucional de colaboradores ha publicado un trabajo en Astronomía de la naturaleza mostrando un enfoque basado en datos que combina los recursos de supercomputación colectivos del equipo para permitir la reproducción, acelerado, Detección de ondas gravitacionales impulsada por IA.
"En este estudio, hemos utilizado el poder combinado de la inteligencia artificial y la supercomputación para ayudar a resolver experimentos de big data oportunos y relevantes. Ahora estamos haciendo que los estudios de IA sean completamente reproducibles, no solo para determinar si la IA puede proporcionar una solución novedosa a los grandes desafíos, "Dijo Huerta.
Sobre la base de la naturaleza interdisciplinaria de este proyecto, el equipo espera nuevas aplicaciones de este marco basado en datos más allá de los desafíos de big data en física.
"Este trabajo destaca el valor significativo de la infraestructura de datos para la comunidad científica, "dijo Ben Blaiszik, un científico investigador en Argonne y la Universidad de Chicago. "Las inversiones a largo plazo que ha realizado el DOE, la Fundación Nacional de Ciencias (NSF), los Institutos Nacionales de Estándares y Tecnología y otros han creado un conjunto de bloques de construcción. Es posible para nosotros unir estos bloques de construcción de formas nuevas y emocionantes para escalar este análisis y ayudar a entregar estas capacidades a otros en el futuro ".
Huerta y su equipo de investigación desarrollaron su nuevo marco a través del apoyo de la NSF, El programa de Investigación y Desarrollo Dirigido por Laboratorio (LDRD) de Argonne y el Programa de Impacto Computacional Innovador y Novedoso del DOE en la Teoría y el Experimento (INCITE).
"Estas inversiones de NSF contienen originales, ideas innovadoras que encierran una gran promesa de transformar la forma en que se procesan los datos científicos que llegan en flujos rápidos. Las actividades planificadas están llevando tecnología informática acelerada y heterogénea a muchas comunidades científicas de práctica, "dijo Manish Parashar, director de la Oficina de Infraestructura Cibernética Avanzada de NSF.
