伊利諾大學厄巴納-香檳分校國家超級電腦應用中心（NCSA）的科學家們進行了新的研究，讓我們以更快的速度對宇宙有更深入的認識。
NCSA 的科學家們率先採用 GPU 加速深度學習來探測與解釋重力波，這是一種恆星爆炸、黑洞碰撞，甚至宇宙本身誕生造成空間和時間出現漣漪的現象。
他們的研究活動使用在傳統超級電腦上運行的模擬內容來訓練人工智慧，有可能會減少分析重力波與造成重力波之天文事件所需的時間和運算資源，而加快發現科學新知。如此一來研究人員便能發現過去未曾找出的重力波，並且更深入地探測，使我們更瞭解宇宙的運作方式。
負責 NCSA 重力研究單位的天體物理學家 Eliu Huerta 說：「科學家們可能會發現愛因斯坦（在其廣義相對論中）未預測到的重力波，我們甚至可能需要新的理論來掌握天文事件。」
獲得諾貝爾獎肯定的研究成果
阿爾伯特．愛因斯坦（Albert Einstein）在百餘年前便預言了重力波的存在，但直到2015年使用雷射干涉引力波天文台（LIGO）的研究人員才首次偵測到重力波，而這項發現讓 LIGO 的三位創造者贏得了2017年諾貝爾物理學獎（請見《Physicists Win Nobel Prize for GPU-Powered Gravity Wave Detection，波瀾起伏：物理學家運用 GPU 來偵測重力波，獲得諾貝爾獎的殊榮》一文）。
重力波是由大規模的恆星事件所引起，像是相距數十億光年遠的黑洞相互碰撞。重力波以光速行進，極難以察覺。又稱為全球最敏感科學儀器的 LIGO 非常靈敏，還捕捉地球的各種震動，像是地震、車輛，甚至在附近行動的人們。以人工編寫的演算法來過濾 LIGO 資料裡的外部雜訊，並且將訊號從重力波裡隔離出來，需要極大的計算量。
Huerta 表示可能得使用大量專用超級電腦，耗費幾天到幾個月的時間來進行詳盡分析。即便如此，他們也可能會錯過當前濾波器查找不到的天文現象訊號。
與 Huerta 合作的伊利諾大學厄巴納-香檳分校博士生 Daniel George 表示：「深度學習能改變使用運算資源的方式，還有改變你能進行的科學研究領域。」
光速般發展的科學領域
Huerta 與 George 使用在有著 GPU 支援的 Blue Waters 超級電腦上運行之黑洞碰撞模擬內容、真正的 LIGO 資料，還有 NVIDIA DGX-1 人工智慧超級電腦來訓練神經網路，以取代手動編寫的濾波器。當他們將自己的方法付諸實踐之際（使用NVIDIA TensorRT 進行快速推論），獲得比即時更快的速度，在不到一毫秒的時間裡便分析了一秒鐘的資料。
研究團隊在他們的實驗裡展示稱為 Deep Filtering（深度過濾）的模型，較現有的機器學習演算法速度更快，也更精準，還更能調整訊號裡的差失。
他們的研究報告將刊登於三月號的《Physics Letters B》期刊，可以在網上查閱。
天文學大爆炸
NCSA 的新技術能將 LIGO 與其它儀器相結合，有助於為天文學開創新時代，以探索宇宙的奧秘。這只是運用人工智慧加快微中子物理學、生物學、氣象學等領域科學發現速度的一個例子。
去年八月展開了所謂「多元訊息天文學」的時代，科學家首度發現由同一來源（即兩顆中子星的強烈碰撞）產生的重力波和光波。
在 LIGO 的提醒下，世界各地與太空中七十個天文台的研究員，使用強大望遠鏡觀察電磁波頻譜裡從伽瑪射線、紫外線到無線電波的各種波形。
重力的中心
從多個角度研究天文事件，就像是以多種方式來體驗這個世界：讓你擁有一個更完整的畫面。但為了描繪這幅畫，科學家得即時辨識出重力波、迅速找出其來源，並且描述其各種特性。目前這是一項充滿挑戰又耗時的事。
Huerta 與 George 將擴大 Deep Filtering 的範圍以納入電磁波。
Huerta 說：「我們試著快點做到這一點，LIGO 就能馬上告訴你要將望遠鏡朝向哪個方向。一同觀測重力和光波，便可更深入瞭解宇宙基本力量的特徵。」
如需更多資訊，請見研究人員近期發表的報告：
- Deep Learning for real-time gravitational wave detection and parameter estimation: Results with Advanced LIGO data（用於即時重力波偵測與參數估算的深度學習：帶有深度 LIGO 資料的結果）
- Deep Neural Networks to Enable Real-time Multimessenger Astrophysics（深度神經網路推動發展即時多元訊息天文學）
*本文主要圖片為藝術家繪製兩個中子星碰撞的插圖。（來源：NSF／LIGO／所羅馬州立大學）