Cuando las ondas gravitacionales fueron detectadas por primera vez en 2015 por el avanzado Observatorio de Ondas Gravitacionales con Interferómetro Láser (LIGO), causaron una gran conmoción en la comunidad científica, ya que confirmaron otra de las teorías de Einstein y marcaron el nacimiento de la astronomía de ondas gravitacionales. Cinco años después, se han detectado numerosas fuentes de ondas gravitacionales, incluida la primera observación de dos estrellas de neutrones en colisión en ondas gravitacionales y electromagnéticas.

A medida que LIGO y sus socios internacionales sigan mejorando la sensibilidad de sus detectores a las ondas gravitacionales, podrán sondear un mayor volumen del universo, lo que hará que la detección de fuentes de ondas gravitacionales sea cotidiana. Este diluvio de descubrimientos lanzará la era de la astronomía de precisión que tiene en cuenta los fenómenos mensajeros extrasolares, incluyendo la radiación electromagnética, las ondas gravitacionales, los neutrinos y los rayos cósmicos. Sin embargo, la consecución de este objetivo requerirá un replanteamiento radical de los métodos actuales utilizados para buscar y encontrar ondas gravitacionales.

Recientemente, el científico computacional y líder de la inteligencia artificial (IA) traslacional, Eliu Huerta, del Laboratorio Nacional Argonne del Departamento de Energía de EE.UU. (DOE), junto con colaboradores de Argonne, la Universidad de Chicago, la Universidad de Illinois en Urbana-Champaign, NVIDIA e IBM, ha desarrollado un nuevo marco de IA a escala de producción que permite la detección acelerada, escalable y reproducible de ondas gravitacionales.

Este nuevo marco indica que los modelos de IA podrían ser tan sensibles como los algoritmos tradicionales de comparación de plantillas, pero órdenes de magnitud más rápidos. Además, estos algoritmos de IA sólo necesitarían una unidad de procesamiento gráfico (GPU) de bajo coste, como las que se encuentran en los sistemas de videojuegos, para procesar los datos avanzados de LIGO más rápido que en tiempo real.

El conjunto de IA utilizado para este estudio procesó un mes entero -agosto de 2017- de datos avanzados de LIGO en menos de siete minutos, distribuyendo el conjunto de datos en 64 GPUs NVIDIA V100. El conjunto de IA utilizado por el equipo para este análisis identificó las cuatro fusiones de agujeros negros binarios previamente identificadas en ese conjunto de datos, y no informó de ningún error de clasificación.

«Como científico de la computación, lo que más me entusiasma de este proyecto», afirma Ian Foster, director de la división de Ciencia de los Datos y Aprendizaje (DSL) de Argonne, «es que muestra cómo, con las herramientas adecuadas, los métodos de IA pueden integrarse de forma natural en los flujos de trabajo de los científicos, permitiéndoles hacer su trabajo más rápido y mejor, aumentando, no sustituyendo, la inteligencia humana».

«En este estudio, hemos utilizado el poder combinado de la IA y la supercomputación para ayudar a resolver experimentos de big data oportunos y relevantes. Ahora estamos consiguiendo que los estudios de IA sean totalmente reproducibles, y no sólo determinando si la IA puede proporcionar una solución novedosa a los grandes retos», dijo Huerta.

Basándose en la naturaleza interdisciplinaria de este proyecto, el equipo espera nuevas aplicaciones de este marco basado en datos más allá de los desafíos de los grandes datos en la física.

«Este trabajo pone de manifiesto el importante valor de la infraestructura de datos para la comunidad científica», dijo Ben Blaiszik, investigador científico de Argonne y de la Universidad de Chicago. «Las inversiones a largo plazo que han realizado el DOE, la Fundación Nacional de la Ciencia (NSF), los Institutos Nacionales de Normas y Tecnología y otros han creado un conjunto de bloques de construcción. Es posible que reunamos estos bloques de construcción de formas nuevas y emocionantes para ampliar este análisis y ayudar a ofrecer estas capacidades a otros en el futuro.»