Forskare vid Argonne National Laboratory har utvecklat artificiell intelligens (AI) som gör det möjligt att accelerera, skala och reproducera detektionen av gravitationsvågor. Den nya algoritmen kunde analysera data som samlades in under LIGO:s verksamhetsmånad på bara 7 minuter. Samtidigt gjorde han inga misstag.
När gravitationsvågor först upptäcktes 2015 av LIGO:s Laser Interferometric Gravitational-Wave Observatory, orsakade de spänning i det vetenskapliga samfundet eftersom de bekräftade en annan av Einsteins teorier och markerade födelsen av gravitationsvågsastronomin. Under åren har forskare upptäckt många källor till gravitationsvågor, som neutronstjärnor och svarta hål som kolliderar i rymden.
Känsligheten hos gravitationsvågsdetektorer ökar för varje år, så det finns en ständigt ökande mängd data som behöver bearbetas. Vid någon tidpunkt kommer det inte att fungera att göra det manuellt, eftersom det kommer att finnas för många vågdetekteringshändelser. För att lösa detta problem har fysiker från Argonne National Laboratory och flera amerikanska universitet utvecklat en plattform för artificiell intelligens som kan ta över ansvaret för att analysera gravitationsvågsignaler.
Redaktörens rekommendation:
- Gravitationslinser gör det möjligt att skapa ett galaktiskt internet
- Ett uppdrag till Uranus och Neptunus kan bli en detektor för gravitationsvågor
Författarna till den nya arbete hävda att AI-modeller kan vara lika känsliga som traditionella mönstermatchningsalgoritmer, men köra snabbare. Dessutom kräver dessa AI-algoritmer bara en lågkostnadsgrafikbehandlingsenhet (GPU), vilket gör det till ett av de mest effektiva sätten att studera gravitationsvågor.
Gravitationsvågor är förändringar i gravitationsfältet som fortplantar sig som en våg. De emitteras av rörliga massor, men efter strålning lossnar de från dem och existerar oberoende av dessa massor. Matematiskt relaterade till störning är rum-tidsmått och kan beskrivas som "rymd-tids-rippels". Som ett resultat identifierade AI alla fyra binära svarta hålssammanslagningar som tidigare identifierats i denna datamängd.
Forskare säger att de i denna studie kombinerade kraften hos artificiell intelligens och superdatorer, för att hjälpa till att lösa aktuella och relevanta big data-frågor. Teamet planerar att ytterligare tillämpa denna kombination av tekniker för att lösa datadrivna frågor inte bara inom fysik utan även inom andra tvärvetenskapliga vetenskaper.
Läs också: