Ученые использовали нейросеть для обнаружения гравитационных волн

Ученые из Национального центра суперкомпьютерных приложений (NCSA), расположенного в Университете штата Иллинойс в Урбана-Шампейн, впервые использовали глубокое обучение нейронных сетей для быстрого обнаружения и характеристики гравитационных волн.

Этот новый подход позволит астрономам изучать гравитационные волны с использованием минимальных вычислительных ресурсов, сокращая время до открытия и увеличивая научный охват астрофизики гравитационных волн. Это новаторское исследование было недавно опубликовано в Physical Letters B.

Объединив алгоритмы глубокого обучения, численное моделирование относительности слияния черных дыр, полученные с помощью инструментария Einstein Toolkit, запущенного на суперкомпьютере Blue Waters, а также данные из открытого научного центра LIGO, исследователи группы NCSA Gravity Group Даниэль Джордж и Элиу Уэрта выпустили Deep Filtering, метод обработки сигналов временного ряда.

Глубокая фильтрация обеспечивает аналогичную чувствительность и более низкие ошибки по сравнению с установленными алгоритмами детектирования гравитационных волн, в тоже время она намного эффективнее по сравнению с шумовыми аномалиями. Этот метод позволяет быстрее обрабатывать гравитационные волны в исходных данных LIGO, а также позволяет обнаруживать новые классы источников гравитационных волн, которые могут остаться незамеченными с существующими алгоритмами обнаружения.

Группа Gravity Group NCSA использовала ресурсы NCSA из своей Лаборатории инновационных систем, суперкомпьютер Blue Waters от NCSA и сотрудничала с талантливыми сотрудниками в Университете штата Иллинойс. Также решающими для этого исследования были графические процессоры (Tesla P100 и DGX-1), предоставляемые NVIDIA, что позволило ускорить обучение нейронных сетей. Wolfram Research также сыграла важную роль, поскольку язык Wolfram использовался для создания этой основы для глубокого обучения.

  Эффект переключения нулевого поля в наномагнитном устройстве

«Мы впервые использовали глубокое обучение со сверхточными нейронными сетями, которые используют временные ряды для быстрого обнаружения и характеристики сигналов гравитационных волн. Этот подход, Deep Filtering, был первоначально продемонстрирован с использованием имитируемого шума LIGO. В нашей работе мы представляем расширение Deep Filtering с использованием реальных данных от LIGO для обнаружения и оценки параметров гравитационных волн из слияний двойных черных дыр с использованием непрерывных потоков данных из нескольких детекторов LIGO. Мы впервые демонстрируем, что машинное обучение может обнаруживать и оценивать истинные параметры реальных событий, наблюдаемых LIGO.» — говорят исследователи.

Источник: ab-news.ru

Оставить комментарий

Вы должны авторизоваться для отправки комментария.