Ученые из Национального центра суперкомпьютерных вычислений (National Center for Supercomputing Applications, NCSA) университета Иллинойса использовали алгоритмы глубинного машинного обучения и самообучения, выполняющиеся на графических процессорах, для реализации нового способа регистрации гравитационных волн и измерения их основных параметров. Такой новый подход позволит ученым-астрономам изучать гравитационные волны, используя минимальное количество вычислительных ресурсов. Это, в свою очередь, сократит время от регистрации волн до совершения научных открытий и сделает область гравитационной астрофизики более доступной для множества не очень крупных научных организаций.
Комбинируя технологию глубинного машинного обучения и самообучения с математическими моделями процессов слияния черных дыр, построенной на базе программного обеспечения Einstein Toolkit, выполняющегося на суперкомпьютере Blue Waters, ученые получили набор теоретических данных и сравнили их с данными реальных наблюдений, доступ к которым был предоставлен организацией LIGO Open Science Center. Оба набора данных подверглись процедуре глубокой фильтрации, которая увеличивает чувствительность и уменьшает уровень ошибок.
Полученные данные показали, что новый метод обработки сигналов достаточно быстр, при его помощи можно обрабатывать данные, поставляемые гравитационными обсерваториями в режиме реального времени. Это, в свою очередь, позволит исследовать “новую физику” и определять новые виды источников гравитационных волн, которые остаются незамеченными для существующих алгоритмов обработки сигналов. В настоящее время исследователи расширяют свои алгоритмы, вводя в них обработку сигналов электромагнитного диапазона, которыми с некоторым запозданием сопровождаются события, являющиеся источниками гравитационных волн. А полная “боевая проверка” новой системы обработки сигналов и информации будет выполнена, когда в эксплуатацию будет введен новый телескоп Large Synoptic Survey Telescope (LSST).
Отметим, что ключевым моментом в ускорении выполнения алгоритмов обработки сигналов стало использование графических процессоров NVIDIA Tesla P100 и DGX-1, которые входят в состав суперкомпьютера Blue Waters. Искусственные нейронные сети были созданы при помощи специализированного языка программирования Wolfram Language, который ориентирован на технологии глубинного машинного обучения и самообучения.