Los científicos ahora pueden procesar meses de datos de ondas gravitacionales en minutos.
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.
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 software comunitario de relatividad numérica de código abierto Einstein Toolkit (https://einsteintoolkit.org/). (Imagen de Argonne Leadership Computing Facility, Visualization and Data Analytics Group [Janet Knowles, Joseph Insley, Victor Mateevitsi, Silvio Rizzi].)
A medida que LIGO y sus socios internacionales continúen mejorando la sensibilidad de sus detectores de ondas gravitacionales, podrán sondear un volumen mayor del universo, lo que hará que la detección de fuentes de ondas gravitacionales sea algo cotidiano. Este diluvio de descubrimientos iniciará la era de la astronomía de precisión que tiene en cuenta los fenómenos de los mensajeros extrasolares, incluida la radiación electromagnética, las ondas gravitacionales, los neutrinos y los rayos cósmicos. Sin embargo, lograr este objetivo requerirá un replanteamiento radical de los métodos existentes utilizados para buscar y encontrar ondas gravitacionales.
Recientemente, el científico computacional y líder de inteligencia artificial (IA) traslacional , Eliu Huerta del Laboratorio Nacional Argonne del Departamento de Energía de EE. UU. (DOE), junto con colaboradores de Argonne, la Universidad de Chicago, la Universidad de Illinois en Urbana-Champaign, NVIDIA e IBM han desarrollado un nuevo marco de IA a escala de producción que permite la detección acelerada, 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 rápidos. Además, estos algoritmos de IA solo requerirían una unidad de procesamiento de gráficos (GPU) económica , como las 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, distribuyendo el conjunto de datos en 64 GPU NVIDIA V 100 . 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 de la computación, lo que es emocionante para mí acerca de este proyecto,” dijo Ian Foster, director de Argonne Ciencia de Datos y Aprendizaje (DSL división), “es que muestra cómo, con las herramientas adecuadas, Los métodos de la 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, la inteligencia humana”.
Con recursos tan dispares para soportar, este equipo interdisciplinario y multiinstitucional de colaboradores ha publicado un artículo en Nature Astronomy que muestra un enfoque basado en datos que combina los recursos colectivos de supercomputación del equipo para permitir la detección de ondas gravitacionales reproducible, acelerada e 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, científico investigador de Argonne y la Universidad de Chicago. “ Las inversiones a largo plazo que han sido hechas por el DOE , la National Science Foundation (NSF), el Instituto Nacional de Estándares y Tecnología y otros han creado un conjunto de bloques de construcción. Es posible para nosotros unir estos componentes básicos de maneras nuevas y emocionantes para escalar este análisis y ayudar a brindar estas capacidades a otros en el futuro “.
Huerta y su equipo de investigación han desarrollado su nuevo marco a través del apoyo de la NSF (National Science Fundation), Programa del Laboratorio Argonne de Investigación y Desarrollo Dirigido (LDRD) y el DOE (Departamento de Energía) con el Programa Innovador y Novedoso de Impacto Computacional en Teoría y Experimentación (INCITE).
“ Estas inversiones de NSF contienen ideas originales e innovadoras que prometen significativamente transformar la forma en que se procesan los datos científicos que llegan en flujos rápidos. Las actividades planificadas están trayendo tecnología informática acelerada y heterogénea a a la practica de muchas comunidades científicas ”, dijo Manish Parashar, director de la Oficina de Infraestructura Cibernética Avanzada de NSF .
El nuevo marco se basa en un marco propuesto originalmente por Huerta y sus colegas en 2017 . El equipo avanzó aún más en el uso de la inteligencia artificial para la investigación astrofísica al aprovechar los recursos de supercomputación de Argonne a través de un premio de dos años del Programa de ciencia de datos de la Argonne Leadership Computing Facility (ALCF). Esto llevó al proyecto INCITE actual y al equipo a trabajar en la supercomputadora Summit en Oak Ridge Leadership Computing Facility (OLCF). El ALCF y el OLCF son instalaciones para usuarios de la Oficina de Ciencias del DOE (Departamento de Energía).
Fuente: ANL
