Técnicas de aprendizaje profundo acelerado mediante la tecnología de procesamiento gráfico GPU han sido utilizadas para la detección y caracterización más rápida de ondas gravitacionales.

Este nuevo enfoque, desarrollado en el National Center for Supercomputing Applications (NCSA) de Estados Unidos, permitirá a los astrónomos estudiar las ondas gravitacionales utilizando recursos computacionales mínimos, reduciendo el tiempo de descubrimiento y aumentando el alcance científico de la astrofísica de ondas gravitacionales –fluctuaciones en la curvatura del espacio-tiempo producidas por distintos fenómenos cosmológicos–. La investigación ha sido publicada recientemente en Physics Letters B.

Combinando algoritmos de aprendizaje profundo, simulaciones de relatividad numérica de fusiones de agujeros negros –obtenidos con el Einstein Toolkit en el superordenador Blue Waters– y datos del LIGO Open Science Center, los investigadores del grupo de Gravedad del NCSA Daniel George y Eliu Huerta produjeron Deep Filtering, un método de procesamiento de señal de serie de tiempo extremo a extremo

El Deep Filtering logra sensibilidades similares y menores errores en comparación con los algoritmos de detección de ondas gravitacionales establecidos, a la vez que es mucho más eficiente desde el punto de vista computacional y más resistente a las anomalías de ruido.

El método permite un procesamiento más rápido que en tiempo real de las ondas gravitacionales en los datos brutos de LIGO, y también permite una nueva física, ya que puede detectar nuevas clases de fuentes de ondas gravitacionales que pueden pasar desapercibidas con los algoritmos de detección existentes. George y Huerta están extendiendo este método para identificar en tiempo real homólogos electromagnéticos a los eventos de ondas gravitacionales en futuros datos LSST.

Fuente: Europa Press