MADRID, 29 Ene. (EUROPA PRESS) -
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.
El NCSA se localiza el la Universidad de Illinois en Urbana-Champaign.
