引力波數(shù)據(jù)分析中的人工智能技術(shù)

最近國(guó)內(nèi)各種媒體廣泛報(bào)道了備受矚目的引力波被人類直接探測(cè)到的事件，引起了人們對(duì)基礎(chǔ)科學(xué)研究的極大興趣。早在100年前，愛因斯坦的廣義相對(duì)論發(fā)布后，就預(yù)言了引力波的存在。從文獻(xiàn)中我們可以知道，目前宇宙中最有可能存在的引力波源以及幾種引力波探測(cè)方式如下：

隨機(jī)背景輻射：包括在宇宙早期電磁輻射演化到今天變成宇宙微波背景輻射（CMB）。通過對(duì)CMB 的相關(guān)測(cè)量可測(cè)量宇宙早期的引力波，這樣的探測(cè)器包括BICEP 等。

宇宙中的星體，如脈沖星、地球等。通過測(cè)量脈沖星與地球間的距離變化測(cè)量引力波。包括脈沖星計(jì)時(shí)測(cè)量等測(cè)量方式。

通過懸掛或者無拖拽等先進(jìn)技術(shù)讓測(cè)試質(zhì)量沿測(cè)地線運(yùn)動(dòng)，同時(shí)通過激光干涉測(cè)量測(cè)試質(zhì)量間的距離變化也可達(dá)到引力波測(cè)量的目的。這種方式包括正在運(yùn)行的LIGO 等地面干涉儀和計(jì)劃中的空間引力波探測(cè)計(jì)劃eLISA 和天琴計(jì)劃等。

引力波和物體相互作用，在適當(dāng)?shù)那闆r下可以導(dǎo)致物體共振，例如韋伯型共振棒測(cè)量引力波。

通過測(cè)量引力波對(duì)高斯型微波光子流的影響也可以達(dá)到引力波探測(cè)的目的。微波頻帶高頻引力波探測(cè)器等采用的測(cè)量方式。

從實(shí)際探測(cè)的角度看，這些探測(cè)器具有不同的測(cè)量頻段。但是在人類能夠感知的尺度下，引力是一個(gè)非常弱的相互作用。只有靠天文中大質(zhì)量的星體的運(yùn)動(dòng)，例如致密雙星互繞及合并事件，才能產(chǎn)生相對(duì)比較強(qiáng)一些的引力波。這次LIGO探測(cè)到的就是雙黑洞合并事件激發(fā)的引力波。

LIGO（Laser Interferometer Gravitational-Wave Observatory），即激光干涉引力波天文臺(tái)。  LIGO探測(cè)器由10個(gè)子系統(tǒng)組成，其中之一是數(shù)據(jù)和計(jì)算系統(tǒng)（Data and ComputingSystems， DSC）。

LIGO獲取的數(shù)據(jù)不但包括激光干涉儀引力波探測(cè)器輸出的數(shù)據(jù)，還包括了各種獨(dú)立的對(duì)探測(cè)器的環(huán)境和探測(cè)器設(shè)備狀態(tài)進(jìn)行監(jiān)控的探測(cè)器和紀(jì)錄儀，對(duì)諸如溫度﹑氣壓﹑風(fēng)力﹑大雨﹑冰雹﹑地表震動(dòng)﹑聲響﹑電場(chǎng)﹑磁場(chǎng)等環(huán)境條件進(jìn)行監(jiān)測(cè)，以及對(duì)引力波探測(cè)器內(nèi)部的平面鏡和透鏡的位置等探測(cè)器自身狀態(tài)進(jìn)行監(jiān)測(cè)的數(shù)據(jù)。在數(shù)據(jù)獲取方面，例如在初級(jí)LIGO漢福德天文臺(tái)，DAQ的H1和H2干涉儀記錄共12733個(gè)通道，其中1279個(gè)是快速通道（數(shù)字化速率在2048 Sa /秒或16384 Sa秒）。升級(jí)的LIGO的設(shè)計(jì)為記錄大于300000個(gè)通道的數(shù)據(jù)采集，其中大約3000個(gè)快速通道。 （https://www.advancedligo.mit.edu/daq.html）

這是典型的大數(shù)據(jù)分析處理問題，需要強(qiáng)大的計(jì)算資源與先進(jìn)的算法，才能有效處理如此巨大的數(shù)據(jù)量。其中一些人工智能技術(shù)被應(yīng)用到LIGO的DSC，例如Einstein@home項(xiàng)目（http://einsteinathome.org/）。該項(xiàng)目的長(zhǎng)期目標(biāo)是能首次直接檢測(cè)旋轉(zhuǎn)中子星（脈沖中子星）的引力波發(fā)射，目前采用了分布式計(jì)算技術(shù)，即利用大眾的計(jì)算機(jī)閑暇機(jī)時(shí)來搜尋較弱的引力波信號(hào)。這可以看做是一種眾包技術(shù)，將人腦與計(jì)算機(jī)結(jié)合起來，是群體智能技術(shù)的具體應(yīng)用。

清華大學(xué)的曹軍威研究團(tuán)隊(duì)探索了將人工智能技術(shù)應(yīng)用到引力波數(shù)據(jù)噪聲的分析中。他們應(yīng)用了隨機(jī)森林算法（random forest）、人工神經(jīng)網(wǎng)絡(luò)（artificial neural network）和支持向量機(jī)（Support Vector Machine）等三種不同的算法，來分析引力波數(shù)據(jù)道中的噪音，對(duì)引力波數(shù)據(jù)道上捕捉到的事件進(jìn)行分類。他們的結(jié)論是雖然這三種機(jī)器學(xué)習(xí)的方法各有千秋，但是經(jīng)過調(diào)優(yōu)之后，它們?cè)谝Σ〝?shù)據(jù)噪音分析和事件分類上表現(xiàn)出來的能力基本相同.這個(gè)結(jié)論很有意思.它告訴我們,機(jī)器學(xué)習(xí)方法在應(yīng)用中所能達(dá)到的效果，很大程度上決定于數(shù)據(jù)質(zhì)量,與具體采用哪種方法關(guān)系不太大。在對(duì)分類的效率改進(jìn)因此可能來自包括其他有用的信息來源，而不是對(duì)算法本身的改進(jìn)。

這次LIGO公布的GW150914事件，在線觸發(fā)延遲是大約3 min，用了5個(gè)離線分析流水線，消耗的CPU 時(shí)間大約是5千萬小時(shí)(=20,000PCs 運(yùn)行100 天)。如此的計(jì)算強(qiáng)度與海量的數(shù)據(jù)以及采用的分析算法有關(guān)。在搜尋引力波信號(hào)中，采用的是匹配濾波技術(shù)。匹配濾波是基于波形分析的技術(shù)，要求對(duì)引力波波源建立合理的物理模型，根據(jù)模型產(chǎn)生成千上萬的模板，用這些模板去匹配引力波數(shù)據(jù)中信號(hào)，從而找到相關(guān)的事件。從中我們可以看出匹配濾波技術(shù)使用的前提條件是已知引力波的理論模型，即需要對(duì)引力波波源進(jìn)行建模。但是，對(duì)引力波波源建模涉及的是引力波的動(dòng)力學(xué)，需要求解愛因斯坦方程，而且是針對(duì)宇宙中實(shí)際的天體求解愛因斯坦方程。目前在引力波波源建模問題中大多采用了數(shù)值計(jì)算的方法，典型的方法是蒙特卡洛計(jì)算法。但是對(duì)于愛因斯坦方程，即使是數(shù)值計(jì)算也非常困難。近些年發(fā)展起來的數(shù)值相對(duì)論成為廣義相對(duì)論一個(gè)獨(dú)立的研究方向，但是基普? 索恩（KipThorne）認(rèn)為數(shù)值相對(duì)論比引力波探測(cè)本身還難。這導(dǎo)致在引力波探測(cè)中,大量事件的波形是未知的,如超新星爆發(fā)及質(zhì)量巨大的星體核的坍塌等，它們就不能用匹配濾波器技術(shù)來分析了?；谏鲜鲈?，這次探測(cè)到的事件是雙黑洞并合事件，這是由于雙黑洞系統(tǒng)是理論上知道得最清楚的引力波源。對(duì)有無其他引力波源產(chǎn)生的信號(hào)，目前對(duì)數(shù)據(jù)仍在分析處理中。

事實(shí)上，我們可以考慮將人工智能技術(shù)應(yīng)用于引力波大數(shù)據(jù)分析處理上，發(fā)展相應(yīng)的算法，提高處理引力波大數(shù)據(jù)的速度與精度。大數(shù)據(jù)對(duì)計(jì)算智能的發(fā)展提出了新的機(jī)遇和挑戰(zhàn)，這里我們探討將人工智能應(yīng)用于引力波大數(shù)據(jù)分析處理上，至少有幾個(gè)方面值得我們?nèi)パ芯俊?/span>

有監(jiān)督學(xué)習(xí)：匹配濾波器法需要知道信號(hào)的波形，這次引力波應(yīng)變數(shù)據(jù)分析是與海量波形庫中的波形匹配，顯然是一個(gè)計(jì)算工作量巨大的過程。如何提高搜索效率，降低對(duì)計(jì)算資源的消耗，無疑是值得去深入研究的。事實(shí)上，根據(jù)我們?cè)诜淳矸e抽譜方面的研究經(jīng)驗(yàn)，對(duì)天文學(xué)家認(rèn)為需要高性能計(jì)算機(jī)才可進(jìn)行的巨型矩陣的計(jì)算，通過發(fā)展有效的算法，在普通的PC機(jī)，甚至是筆記本電腦上也可實(shí)現(xiàn)反卷積抽譜的計(jì)算工作。我們知道人工智能是一個(gè)“算法為王”的研究領(lǐng)域，將智能搜索算法應(yīng)用于引力波數(shù)據(jù)，將會(huì)極大提高其效率。例如在人工智能研究領(lǐng)域，最近較為熱門的事件是谷歌人工智能系統(tǒng)AlphaGo（阿爾法圍棋）將于3月9號(hào)在韓國(guó)首爾和韓國(guó)圍棋選手李世石九段進(jìn)行比賽。AlphaGo采用了深度學(xué)習(xí)和增強(qiáng)學(xué)習(xí)，這是當(dāng)前人工智能界最前沿的研究方向。原先的圍棋軟件多數(shù)采用了蒙特卡洛樹搜索（MCTS）技術(shù)，使用蒙特卡洛算法的模擬結(jié)果來估算一個(gè)搜索樹中每一個(gè)狀態(tài)值。隨著進(jìn)行了越來越多的模擬，搜索樹會(huì)變得越來越龐大，而相關(guān)的值也會(huì)變得越來越精確。通過選取值更高的子樹，用于選擇行動(dòng)的策略概率在搜索的過程中會(huì)一直隨著時(shí)間而有所改進(jìn)。這是一種用窮舉搜索法尋找最優(yōu)解的策略，（匹配濾波也可以看成是一種窮舉搜索法），但是圍棋的走法是個(gè)天文數(shù)字——有250^150種，這超過了我們可觀測(cè)宇宙中的所有原子數(shù)量，可想而知通常的計(jì)算機(jī)已經(jīng)無法計(jì)算了。AlphaGo采用的方法是Value Networks（價(jià)值網(wǎng)絡(luò)）和 Policy Networks（策略網(wǎng)絡(luò)），以及蒙特卡洛樹搜索算法。通過有監(jiān)督學(xué)習(xí)訓(xùn)練價(jià)值網(wǎng)絡(luò)和策略網(wǎng)絡(luò)，分別降低搜索的深度和搜索的寬度。再結(jié)合蒙特卡洛法讓搜索達(dá)到深度的極限、沒有任何分支樹。在引力波波型搜索中，我們也可以考慮采用類似的搜索策略，以及結(jié)合深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)，發(fā)展高效的算法，將引力波事件的模式快速識(shí)別出來。

無監(jiān)督學(xué)習(xí)：在引力波探測(cè)中, 大量事件的波形是未知的，對(duì)于超新星和旋轉(zhuǎn)中子星，目前的天文觀測(cè)積累還無法給出一個(gè)它們所釋放引力波強(qiáng)度的理論估計(jì)。這需要采用無監(jiān)督學(xué)習(xí)算法來發(fā)現(xiàn)引力波數(shù)據(jù)中未知的模式。這種學(xué)習(xí)方式也是對(duì)人工智能發(fā)展的最大挑戰(zhàn)。在人工智能領(lǐng)域，Google X 實(shí)驗(yàn)室開發(fā)了一個(gè)稱為GoogleBrain 的系統(tǒng)，該系統(tǒng)由1000臺(tái)計(jì)算機(jī)、16000個(gè)芯片組成。系統(tǒng)“學(xué)習(xí)了”從YouTube  視頻中提取的 1000 萬個(gè)靜態(tài)圖像，將線條、亮度、邊界、色彩等多個(gè)特征分類。經(jīng)過3天尋找重復(fù)出現(xiàn)的模式后，Google Brain憑自身判斷，它可以識(shí)別一些特定的重復(fù)類別：人類面孔和人類身體，甚至是貓。Google Brain使用的是正是無監(jiān)督學(xué)習(xí)的方法。但是，它的精確度還沒有達(dá)到可以使用的水平。Facebook人工智能研究組主管Yann LeCun說，如果人工智能要滿足人們更大的野心，就必須弄清楚軟件如何才能完成那些對(duì)人類嬰兒來說十分容易的事情。他說：“我們都知道，最終的答案就是無監(jiān)督學(xué)習(xí)。解決了無監(jiān)督學(xué)習(xí)的問題，將把我們帶向更高的級(jí)別?！?nbsp;目前在無監(jiān)督學(xué)習(xí)方面已經(jīng)有了一些探索，通過概率程序歸納實(shí)現(xiàn)人類級(jí)別的概念學(xué)習(xí)，即僅從一個(gè)例子就形成概念。但是迄今為止，這些探索都尚未揭示出一條能讓無監(jiān)督學(xué)習(xí)達(dá)到人類水平的路徑，或者說，算法還不能僅通過經(jīng)歷或?qū)嶒?yàn)就學(xué)會(huì)與真實(shí)世界有關(guān)的復(fù)雜東西。百度硅谷AI實(shí)驗(yàn)室主任AdamCoates認(rèn)為“目前，我們似乎缺失了某個(gè)關(guān)鍵的思想?！?nbsp;在引力波潛在模式發(fā)現(xiàn)中，如何發(fā)展高效的無監(jiān)督學(xué)習(xí)算法，仍需要進(jìn)行深入研究。也許需要結(jié)合認(rèn)知學(xué)習(xí)，類腦學(xué)習(xí)等多學(xué)科的研究成果，才有可能彌補(bǔ)這個(gè)缺失的關(guān)鍵環(huán)節(jié)，從而形成重大突破。

集成學(xué)習(xí)策略：這次探測(cè)到的雙黑洞并合的引力波之外的連續(xù)引力波、原初引力波等等其他類型的引力波還沒有被探測(cè)到。例如來自旋轉(zhuǎn)中子星的連續(xù)引力波，除了對(duì)探測(cè)器的靈敏度要求更高之外，對(duì)數(shù)據(jù)分析的能力也提出極高的要求。有個(gè)別連續(xù)引力波項(xiàng)目，需要1萬臺(tái)電腦跑一年才能得到結(jié)果。因此除了Einstein@Home項(xiàng)目采用的眾包技術(shù)外，我們還應(yīng)該結(jié)合有監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)，增強(qiáng)學(xué)習(xí)，遷移學(xué)習(xí)等學(xué)習(xí)策略，發(fā)展高效的引力波數(shù)據(jù)分析算法，加速發(fā)現(xiàn)更多引力波事件的過程。

MIT校長(zhǎng)就這次引力波發(fā)現(xiàn)致全校信中說道：我們今天所慶祝的這項(xiàng)發(fā)現(xiàn)很好地體現(xiàn)了基礎(chǔ)科學(xué)中的悖論：基礎(chǔ)科學(xué)的研究是艱苦、嚴(yán)格且緩慢的——但與此同時(shí)，它也是激動(dòng)人心的、革命性的和具有催化作用的。如果沒有基礎(chǔ)科學(xué)，我們最好的猜想將不能得到任何改進(jìn)，而“創(chuàng)新”也只能是周圍的邊緣修修補(bǔ)補(bǔ)。只有隨著基礎(chǔ)科學(xué)的進(jìn)步，社會(huì)也才能進(jìn)步。這說出了對(duì)基礎(chǔ)科學(xué)研究意義。對(duì)信息技術(shù)等學(xué)科而言，研究引力波大數(shù)據(jù)分析處理技術(shù)，是向基礎(chǔ)自然科學(xué)研究領(lǐng)域的應(yīng)用，不像其他大數(shù)據(jù)有可能涉及到企業(yè)的核心商業(yè)利益、國(guó)家安全、公民隱私、法律法規(guī)等諸多問題，天文大數(shù)據(jù)完全可以在全球范圍內(nèi)實(shí)現(xiàn)數(shù)據(jù)資源的公開和共享。

雖說研究引力波數(shù)據(jù)分析技術(shù)沒有直接的商業(yè)價(jià)值，但后續(xù)可考慮技術(shù)（算法）遷移，將發(fā)展的大數(shù)據(jù)分析處理技術(shù)應(yīng)用到其他商業(yè)領(lǐng)域，或者其他學(xué)術(shù)研究上。引力波數(shù)據(jù)分析大部分是采用了一維信號(hào)處理技術(shù)，這可遷移到光譜數(shù)據(jù)分析，F(xiàn)AST探測(cè)數(shù)據(jù)分析。腦電數(shù)據(jù)分析等方面。

探索人工智能領(lǐng)域的技術(shù)在引力波數(shù)據(jù)分析中應(yīng)用，發(fā)展新的算法，將會(huì)促進(jìn)人工智能研究領(lǐng)域的發(fā)展。對(duì)天文學(xué)而言，所發(fā)展的技術(shù)若能以更快的速度、更高的精度實(shí)時(shí)處理得到引力波源的方向、位置等信息，就能為相應(yīng)的研究爭(zhēng)取寶貴的天文觀測(cè)時(shí)間，進(jìn)而形成以引力波觀測(cè)為觸發(fā)的全新天文觀測(cè)方法——多信使天文學(xué)（Multimessenger Astronomy）。