p Cientistas do National Center for Supercomputing Applications (NCSA), localizado na Universidade de Illinois em Urbana-Champaign, foram os pioneiros no uso de aprendizado profundo acelerado por GPU para detecção e caracterização rápidas de ondas gravitacionais. Esta nova abordagem permitirá que os astrônomos estudem as ondas gravitacionais usando recursos computacionais mínimos, reduzindo o tempo de descoberta e aumentando o alcance científico da astrofísica de ondas gravitacionais. Esta pesquisa inovadora foi publicada recentemente em Letras de Física B . p Combinando algoritmos de aprendizado profundo, simulações de relatividade numérica de fusões de buracos negros - obtidas com o Einstein Toolkit executado no supercomputador Blue Waters - e dados do LIGO Open Science Center, Os pesquisadores do NCSA Gravity Group Daniel George e Eliu Huerta produziram Deep Filtering, um método de processamento de sinal de série temporal de ponta a ponta. A filtragem profunda atinge sensibilidades semelhantes e erros mais baixos em comparação com algoritmos de detecção de ondas gravitacionais estabelecidos, ao mesmo tempo que é muito mais eficiente em termos computacionais e mais resiliente a anomalias de ruído. O método permite um processamento mais rápido do que em tempo real de ondas gravitacionais nos dados brutos do LIGO, e também permite uma nova física, uma vez que pode detectar novas classes de fontes de ondas gravitacionais que podem passar despercebidas com os algoritmos de detecção existentes. George e Huerta estão estendendo este método para identificar contrapartes eletromagnéticas em tempo real para eventos de ondas gravitacionais em dados LSST futuros.

p O Gravity Group da NCSA aproveitou os recursos da NCSA de seu Laboratório de Sistemas Inovadores, Supercomputador Blue Waters da NCSA, e colaborou com talentosos funcionários interdisciplinares da Universidade de Illinois. Também essenciais para esta pesquisa foram as GPUs (Tesla P100 e DGX-1) fornecidas pela NVIDIA, que possibilitou um treinamento acelerado de redes neurais. A Wolfram Research também desempenhou um papel importante, já que a linguagem Wolfram foi usada na criação dessa estrutura para aprendizado profundo.

p George e Huerta trabalharam com pesquisadores da NVIDIA e da Wolfram para criar esta demonstração para visualizar a arquitetura de Deep Filtering, e obter insights sobre sua atividade neuronal durante a detecção e caracterização de eventos de ondas gravitacionais reais. Esta demonstração destaca todos os componentes da filtragem profunda, exibindo sua sensibilidade de detecção e desempenho computacional.