研究人员希望使用算法来改进多信使天文学,并通过自动化某些发现阶段来更精确地模拟进化的宇宙现象,并以最佳的速度和效率过滤海量数据集。
例如,激光干涉仪引力波天文台收集的引力波信号必须由超级计算机与数十万个潜在的波特征模板进行匹配。
伊利诺伊大学香槟分校国家超级计算应用中心的科学家们使用卷积神经网络(cnn)对引力波信号进行实时检测/解密。
然后,该团队用超级计算机训练的深度学习算法扩大了这一计划,该算法通过搜索一系列更大的参数来识别被忽略的信号。
与此同时,哈佛大学的研究人员开发了一个CNN来分析星系团的x射线图像,并应用了一种技术,使网络的观测结果可视化,让用户更好地了解CNN是如何运行的。
从科学美国人
查看全文
版权所有©2019SmithBucklin美国华盛顿特区
没有找到条目