Visualisation scientifique d'une simulation de relativité numérique qui décrit la collision de deux trous noirs compatibles avec la fusion binaire de trous noirs GW170814. La simulation a été faite sur le supercalculateur Theta en utilisant l'open source, relativité numérique, le logiciel communautaire Einstein Toolkit (https://einsteintoolkit.org/). Crédit :Argonne Leadership Computing Facility, Groupe de visualisation et d'analyse de données [Janet Knowles, Joseph Insley, Victor Mateevitsi, Silvio Rizzi].)
Lorsque les ondes gravitationnelles ont été détectées pour la première fois en 2015 par l'observatoire avancé d'interféromètre laser à ondes gravitationnelles (LIGO), ils ont envoyé une ondulation à travers la communauté scientifique, car ils confirmaient une autre des théories d'Einstein et marquaient la naissance de l'astronomie des ondes gravitationnelles. Cinq ans plus tard, de nombreuses sources d'ondes gravitationnelles ont été détectées, y compris la première observation de deux étoiles à neutrons en collision dans les ondes gravitationnelles et électromagnétiques.
Alors que LIGO et ses partenaires internationaux continuent d'améliorer la sensibilité de leurs détecteurs aux ondes gravitationnelles, ils pourront sonder un plus grand volume de l'univers, faisant ainsi de la détection des sources d'ondes gravitationnelles un événement quotidien. Ce déluge de découvertes lancera l'ère de l'astronomie de précision qui prend en considération les phénomènes de messagers extrasolaires, y compris le rayonnement électromagnétique, ondes gravitationnelles, neutrinos et rayons cosmiques. Réalisant cet objectif, cependant, nécessitera une refonte radicale des méthodes existantes utilisées pour rechercher et trouver des ondes gravitationnelles.
Récemment, scientifique en informatique et responsable de l'intelligence artificielle translationnelle (IA) Eliu Huerta du laboratoire national d'Argonne du département américain de l'Énergie (DOE), en collaboration avec des collaborateurs d'Argonne, l'Université de Chicago, l'Université de l'Illinois à Urbana-Champaign, NVIDIA et IBM, a développé un nouveau cadre d'IA à l'échelle de la production qui permet d'accélérer, détection évolutive et reproductible des ondes gravitationnelles.
Ce nouveau cadre indique que les modèles d'IA pourraient être aussi sensibles que les algorithmes de correspondance de modèles traditionnels, mais des ordres de grandeur plus rapides. Par ailleurs, ces algorithmes d'IA ne nécessiteraient qu'une unité de traitement graphique (GPU) peu coûteuse, comme ceux que l'on trouve dans les systèmes de jeux vidéo, pour traiter les données LIGO avancées plus rapidement qu'en temps réel.
L'ensemble d'IA utilisé pour cette étude a traité un mois entier (août 2017) de données LIGO avancées en moins de sept minutes, distribution de l'ensemble de données sur 64 GPU NVIDIA V100. L'ensemble d'IA utilisé par l'équipe pour cette analyse a identifié les quatre fusions de trous noirs binaires précédemment identifiées dans cet ensemble de données, et n'a signalé aucune erreur de classification.
"En tant qu'informaticien, ce qui m'excite dans ce projet, " a déclaré Ian Foster, directeur de la division Data Science and Learning (DSL) d'Argonne, « est-ce que cela montre comment, avec les bons outils, Les méthodes d'IA peuvent être intégrées naturellement dans les flux de travail des scientifiques, leur permettant de faire leur travail plus rapidement et mieux, en augmentant, ne pas remplacer, l'intelligence humaine."
Mettre à contribution des ressources disparates, cette équipe interdisciplinaire et multi-institutionnelle de collaborateurs a publié un article dans Astronomie de la nature présentant une approche axée sur les données qui combine les ressources de calcul intensif collectives de l'équipe pour permettre reproductible, accéléré, Détection d'ondes gravitationnelles pilotée par l'IA.
"Dans cette étude, nous avons utilisé la puissance combinée de l'IA et du supercalcul pour aider à résoudre des expériences de big data opportunes et pertinentes. Nous rendons maintenant les études d'IA entièrement reproductibles, non seulement vérifier si l'IA peut apporter une nouvelle solution aux grands défis, " a déclaré Huerta.
Fort de la nature interdisciplinaire de ce projet, l'équipe attend avec impatience de nouvelles applications de ce cadre axé sur les données au-delà des défis liés aux mégadonnées en physique.
« Ce travail met en évidence la valeur significative de l'infrastructure de données pour la communauté scientifique, " a déclaré Ben Blaiszik, chercheur à Argonne et à l'Université de Chicago. « Les investissements à long terme qui ont été réalisés par le DOE, la National Science Foundation (NSF), les National Institutes of Standards and Technology et d'autres ont créé un ensemble de blocs de construction. Il nous est possible de rassembler ces éléments constitutifs de manière nouvelle et passionnante pour faire évoluer cette analyse et aider à fournir ces capacités à d'autres à l'avenir. »
Huerta et son équipe de recherche ont développé leur nouveau cadre grâce au soutien de la NSF, Le programme de recherche et développement dirigé par un laboratoire (LDRD) d'Argonne et le programme INCITE (Innovative and Novel Computational Impact on Theory and Experiment) du DOE.
"Ces investissements NSF contiennent des des idées innovantes qui promettent de transformer la façon dont les données scientifiques arrivant en flux rapides sont traitées. Les activités prévues apportent une technologie informatique accélérée et hétérogène à de nombreuses communautés scientifiques de pratique, " dit Manish Parashar, directeur de l'Office of Advanced Cyberinfrastructure de la NSF.
