當引力波在2015年首次被先進的激光干涉引力波天文台（LIGO）探測到時，它們在科學界掀起了一陣“漣漪”，因為它們證實了愛因斯坦的另一個理論，標誌著引力波天文學的誕生。五年後，許多引力波源被探測到，包括首次觀測到兩顆碰撞的中子星的引力波和電磁波。隨著LIGO及其國際合作夥伴繼續升級其探測器對引力波的敏感度，他們將能夠探測更大的宇宙體積，從而使引力波源的探測成為日常。

這一發現大潮將開啟精確天文學的時代，考慮到太陽系外信使現象，包括電磁輻射、引力波、中微子和宇宙射線。然而，實現這一目標將需要對用於搜索和發現引力波的現有方法進行徹底的重新思考。

最近，美國能源部（DOE）阿貢國家實驗室的計算科學家和轉化人工智能（AI）的負責人Eliu Huerta與來自芝加哥大學、伊利諾伊大學厄巴納-香檳分校、英偉達和IBM的合作者一起，開發了一個新的生產規模AI框架，允許加速、可擴展和可重複的探測引力波。

這個新框架表明，人工智能模型可以和傳統的模板匹配算法一樣敏感，但速度要快上幾個數量級。此外，這些人工智能算法只需要一個廉價的圖形處理單元（GPU），就像視頻遊戲系統中的那些，就可以比實時更快地處理高級LIGO數據。

本研究使用的人工智能組合在不到7分鐘內處理了一整個月（2017年8月）的高級LIGO數據，將數據集分佈在64個NVIDIA V100 GPU上。該團隊用於這項分析的人工智能組合確定了該數據集中先前確定的所有四個雙黑洞合併，並報告了沒有錯誤的分類。

阿貢國家實驗室數據科學和學習（DSL）部門主任Ian Foster說：“作為一名計算機科學家，這個項目讓我感到興奮的是，它顯示了有了正確的工具，人工智能方法可以自然地整合到科學家的工作流程中–讓他們更快更好地完成工作–增強而不是取代人類智慧。”

利用不同的資源，這個跨學科和多機構的合作者團隊在《自然-天文學》上發表了一篇論文，展示了一種數據驅動的方法，結合團隊的集體超級計算資源，實現了可重複的、加速的、AI驅動的引力波探測。

“在這項研究中，我們利用人工智能和超級計算的綜合力量，幫助解決及時和相關的大數據實驗。”Huerta說：“我們現在正在使人工智能研究完全可重複，而不僅僅是確定人工智能是否可能為大挑戰提供一個新的解決方案。”

在這個項目的跨學科性質的基礎上，該團隊期待著這個數據驅動的框架在物理學的大數據挑戰之外的新應用。

阿貢國家實驗室和芝加哥大學的研究科學家Ben Blaiszik說：“這項工作突出了數據基礎設施對科學界的重大價值。美國能源部、國家科學基金會（NSF）、國家標準與技術研究院和其他機構所做的長期投資已經創造了一系列的構建模塊。我們有可能以新的和令人興奮的方式將這些構件組合在一起，以擴大這種分析，並在未來幫助向其他人提供這些能力。”

Huerta和他的研究團隊在國家科學基金會、阿貢實驗室指導研究和發展（LDRD）計劃以及能源部創新和新計算對理論和實驗的影響（INCITE）計劃的支持下開發了他們的新框架。

“這些國家科學基金會的投資包含了原始的、創新的想法，有希望改變以快速流到達的科學數據的處理方式。”國家科學基金會先進網絡基礎設施辦公室主任Manish Parashar說：“計劃中的活動正在為許多科學實踐團體帶來加速和異構計算技術。”

新的框架建立在Huerta和他的同事最初在2017年提出的框架基礎上。該團隊通過阿貢領導力計算設施（ALCF）數據科學計劃的兩年獎勵，利用阿貢的超級計算資源，進一步推進他們將人工智能用於天體物理學研究。這導致了該團隊目前在橡樹嶺領導力計算設施（OLCF）的Summit超級計算機上的INCITE項目。ALCF和OLCF是DOE科學辦公室的用戶設施。