Einstein@Home ist ein Volunteer-Computing-Projekt, das die LIGO Scientific Collaboration betreibt, eine internationale wissenschaftliche Kollaboration physikalischer Forschungsinstitute. Es handelt sich um ein komplexes Projekt der Datenanalyse, dessen zeitlich aufwändigster Teil auf anderweitig nicht ausgelasteten Rechnern der teilnehmenden Öffentlichkeit abläuft.
Das Projekt sucht in den vom Laser Interferometer Gravitational wave Observatory in den Vereinigten Staaten und dem deutschen GEO600 gesammelten Daten nach Hinweisen auf Gravitationswellen von Pulsaren, die eine untypische Asymmetrie aufweisen. Seit März 2009 wird zusätzlich nach binären Radiopulsaren in den Daten des Areciboteleskops gesucht. Zudem wird in Daten des Fermi Gamma-ray Space Telescopes nach Gammastrahlung abgebenden Pulsaren gesucht.Fermi Gamma-ray Space Telescope - New insights into Pulsar Physics
Hintergrund Einstein@home dient der astrophysikalischen Grundlagenforschung. Laut der Allgemeinen Relativitätstheorie deformieren massereiche und beschleunigte Objekte wie Neutronensterne die Raumzeit um sie herum, wobei messbare Gravitationswellen entstehen sollten. Die Messung der Gravitationswellen soll durch Gravitationswellendetektoren auf Basis von Michelson-Interferometern geschehen. Nur ein Bruchteil derartiger Sterne ist wegen der großen Entfernungen überhaupt per Teleskop erfassbar.
Dem Nachweis derartiger Wellen wird mit zwei Ansätzen nachgegangen. Zum einen wird der gesamte Himmel nach Pulsaren mit einer ausgereifteren Methodik als klassischen Teleskopen abgesucht. Zum anderen wird mittels der Detektoren direkt nach Gravitationswellen gesucht. Hauptziel ist das Auffinden kontinuierlich abgegebener Wellen. Das Suchverfahren konzentriert sich daher auf das Umfeld von Pulsaren und vergleichbarer Objekte mit bekannter Position.
Ziele Dabei fallen wegen unbekannter Parameter wie Lage und Masse große Datenmengen an, die selbst auf heutigen Supercomputern auf Cluster-Basis lange Zeit zur vollständigen Analyse benötigen. Um die für die Analysen vergleichbar hohe Rechenleistung preisgünstig bei allerdings höherem Software-Wartungsaufwand erreichen zu können, kam man auf den Ansatz des verteilten Rechnens.
Ein weiteres Projektziel ist die Steigerung der Zahl der aktiven Teilnehmer, um die von den Detektoren gewonnenen Daten in annähernd Echtzeit analysieren zu können.
Organisation und Teilnehmer Maßgeblich am Projekt beteiligt ist auf deutscher Seite das Max-Planck-Institut für Gravitationsphysik (Albert-Einstein-Institut). Dort wird ein großer Teil der wissenschaftlichen Software entwickelt. Auf internationaler Seite besteht eine Kooperation mit der University of Wisconsin–Milwaukee. Die Leitung obliegt Bruce Allen. Die Institute sind Teil der LIGO Scientific Collaboration, einer Arbeitsgemeinschaft von mehreren hundert Experten aus Gebieten wie Physik und Informatik, die Forschungseinrichtungen zahlreicher Länder, überwiegend den Vereinigten Staaten, angehören. Diese stellen auch einen erheblichen Teil der für das Projekt notwendigen Rechner. Die anderen Rechner stellen freiwillige Projektteilnehmer, d. h. private Unternehmen oder Personen, aus einem vergleichbaren Spektrum von Ländern.
Geschichte mini|hochkant|Im Rechenzentrum des ATLAS-Clusters Das Projekt wurde im Rahmen des Jahres der Physik 2005 am 19. Februar 2005 offiziell gestartet.
Das Albert-Einstein-Institut war im März 2008 mit seinen Clustern Merlin (180 Dual-Athlon-XP-Maschinen) und Morgane (615 AMD-Opteron-Knoten) der zweitgrößte Einzelteilnehmer des Projekts. In ähnlicher Größenordnung stellte auch die D-Grid-Initiative dem Projekt Rechenzeit zur Verfügung. Das Albert-Einstein-Institut betreibt zur Auswertung der Daten in Hannover den Rechnerverbund ATLAS. Der größte Teil der Arbeit wird jedoch von den Computern von mittlerweile in kumulierter Betrachtung mehreren 100.000 Freiwilligen geleistet, wovon jedoch nur mehrere 10.000 Teilnehmer, teils mit mehreren Endgeräten, regelmäßig aktiv sind. Im September 2010 standen dem Projekt damit durch rund 118.000 Computern über 300 Teraflops an Rechenleistung zur Verfügung, was zu diesem Zeitpunkt dem Platz 14 in der Liste der weltweit schnellsten SupercomputerTop 500 Liste der schnellsten Supercomputer entsprach. Entsprechend dem Mooreschen Gesetz nimmt die Leistung ständig zu. Im Jahr 2016 leistete das Projekt mehr als 1600 Teraflops, wovon der ATLAS-Cluster mit rund 3000 Intel-Xeon-CPUs etwa ein Viertel beitrug und somit schnellster Einzelteilnehmer und zugleich schnellster Rechner der Gravitationswellenforschung war.
Methoden Infrastruktur Zum Management der Arbeitspakete wird die BOINC-Plattform verwendet. Projektteilnehmer erhalten nach Installation der BOINC-Software und Auswahl des Projekts Einstein@home automatisch Datenpakete, die auf ihren Desktops oder Smartphones während sonst ungenutzter Rechenzeit verarbeitet werden. Auf Endgeräten wie Smartphones, Tablets oder Raspberry Pi werden die Daten wegen der ARM-Architektur besonders energiesparend, aber auch vergleichsweise langsam verarbeitet, während die schnellsten Berechnungen auf Endgeräten wie Desktops mit GPGPU erfolgen.
Die Datenpakete und die Rechenergebnisse werden auf Servern des Albert-Einstein-Instituts vorgehalten. Das Rechenzentrum ist als Serverfarm angelegt, deren Geräte durch Gigabit-Ethernet zusammengeschaltet sind. Die innerhalb des Rechenzentrums abzuarbeitenden Aufgaben werden mittels HTCondor verteilt. Über Ganglia und Intelligent Platform Management Interface kann jeder Server einzeln überwacht werden. Ein kleiner Teil der Server organisiert die Aufgaben für Einstein@home, der größte Teil arbeitet Aufgaben des Projekts ab. Das System ist nicht auf Hochleistungsrechnen, d. h. für die schnellstmögliche Abarbeitung einer Aufgabe, optimiert, sondern auf schnellen Durchsatz verschiedener parallel abzuarbeitender Aufgaben.
Verfahren Ein wesentliches Teilziel ist die Trennung des Messsignals von Störeinflüssen, da das erwartete Ereignis sehr schwach ist. Dazu werden die von den Teleskopen ermittelten Daten in Segmente aufgeteilt. Die Enden der Segmente überlappen sich, um falsch-negative Befunde zu vermeiden. Mittels Fensterfunktion wird eine Überbewertung dieser Enden verhindert.Martin A. Green, J. W. Moffat: Extraction of black hole coalescence waveforms from noisy data, 2017, arXiv 1711.00347 Die Segmente werden einer Schnellen Fourier-Transformation und nach Zwischensortierung einem Chi-Quadrat-Test unterzogen. Analysen zu kontinuierlichen Gravitationswellen schließen zudem eine komplexe statistische Berechnung wie z. B. eine Hough-Transformation ein. Dadurch werden Signale ermittelt, die sich vom Weißen Rauschen abheben.J. Aasi et al.: Einstein@Home all-sky search for periodic gravitational waves in LIGO S5 data, Phys.Rev. D87 (2013) no.4, 042001 online Diese werden letztlich mittels Pattern Matching per Optimalfilter verglichen mit theoretisch erwarteten Signalen, deren mathematisches Muster berechnet wurde aus den Parametern Amplitude, Phase und der sich aus der Drehachse des Neutronensterns ergebenden Polarisation der Gravitationswelle.
Bei der Auswertung wirkt sich die begrenzte Empfindlichkeit der Detektoren nachteilig auf das Signal-Rausch-Verhältnis aus. Dem soll zum einen durch fortlaufende technische Verbesserungen der Detektoren entgegengewirkt werden, zum anderen sollen die zahlreichen Fehlbefunde, die bislang manuell aussortiert werden müssen, zukünftig per Computer gefunden werden. Dazu muss eine erhebliche Anzahl manueller Befunde erfasst werden, die der Software später als Datenbank dienen kann. Zur Beschleunigung des Verfahrens wurde daher auf das Konzept Citizen Science zurückgegriffen und im Jahr 2016 das Projekt „Gravity Spy“ auf der Plattform Zooniverse gestartet.Gravity Spy
Rohdaten Die Observatorien werden jeweils von mehreren Forschungsprojekten genutzt. Zudem ist die Menge der fortlaufend anfallenden Daten mit einigen Megabyte pro sec erheblich, denn die LIGO-Rohdaten werden mit einer Frequenz von 16 kHz gesammelt, was weit über der Nyquist-Frequenz liegt, damit auch Millisekundenpulsare sicher erfasst werden.Werner Becker: Neutron Stars and Pulsars, 2009, S. 666 Daher werden ihre Rohdaten zwischengespeichert. Daten des Arecibo-Observatoriums werden vom Rechenzentrum der Cornell University an das Einstein@Home-Projekt übertragen und unterliegen dort Hierarchischem Speichermanagement.Allen, B.; Knispel, B.; Cordes, J. M.; Deneva, J. S.; Hessels, J. W. T.; et al.: The Einstein@Home search for radio pulsars and PSR J2007+2722 discovery, The Astrophysical Journal. 773 (2): 91, 2013 Daten des Large Area Teleskops werden vom Rechenzentrum des Jodrell-Bank-Radioobservatoriums an das Einstein@Home-Projekt übertragen. B. Knispel et al.: EINSTEIN@HOME discovery of 24 pulsars in the parkes multi-beam pulsar survey, arXiv 1302.0467v3, 2013 Daten der LIGO-Observatorien können vom California Institute of Technology oder vom Spiegelserver der beteiligten University of Wisconsin–Milwaukee an das Einstein@Home-Projekt übertragen werden.Ian J. Taylor, Ewa Deelman, Dennis B. Gannon, Matthew Shields (Hrsg.): Workflows for e-Science - Scientific Workflows for Grids. 2007, S. 43–46 Soweit die Original-Instrumentendaten im 16-bit- oder 4-bit-Format vorliegen, werden sie bereits im Projektserver zu IEEE 754-Gleitkommazahlen konvertiert.
Ablauf Da die Rechenkapazität letztlich beschränkt ist, werden Rohdaten in einem begrenzten Zeitraum gesammelt und anschließend in einem Arbeitsablauf analysiert. Je nach Zielsetzung wird ein solcher Ablauf als Testlauf oder als wissenschaftlicher Lauf (S = science run) bezeichnet. Ein Arbeitsablauf besteht im Wesentlichen aus drei Arbeitsschritten, von denen der erste und der dritte von Experten ausgeführt wird, während der zweite auf den Rechnern der teilnehmenden Laien abläuft. Der erste Schritt umfasst das Erstellen des Algorithmus, die Aufbereitung der Daten und ihre Anpassung an die Leistungsfähigkeit der unterschiedlichen Rechner sowie an deren Betriebssysteme Linux, Windows, macOS und Android und die Konfiguration der Server. Im zweiten Schritt arbeitet die Einstein@home-Software die im ersten Schritt vorbereiteten Aufgaben, d. h. Arbeitseinheiten, auf den Geräten der Teilnehmer ab und veranlasst den Upload der Ergebnisse auf die Server. Der dritte Schritt umfasst das Speichern der Ergebnisse des zweiten Schritts einschließlich Bewertung und Nachbereitung sowie die wissenschaftliche Publikation.
Ergebnisse Einstein@Home begann seine Analysen mit 600 Stunden Datenmaterial aus dem LIGO-Durchlauf S3, dessen Genauigkeit jedoch noch um einiges von der angestrebten Präzision des LIGO-Detektors entfernt war. Die Daten waren bereits vorher im Rechnerverbund untersucht worden, wobei keine Auffälligkeiten entdeckt worden waren. Der erste Einstein@Home-Durchlauf mit S3-Daten diente daher vor allem dem Test der wissenschaftlichen Anwendung und einer besseren Kalibrierung. Dabei wurden zahlreiche Störsignale entdeckt und entfernt. Diese Störsignale kommen durch die Empfindlichkeit der Detektoren zustande. Vor allem durch seismische Störungen, aber auch durch Signale aus dem Stromnetz oder die Meeresbrandung schlagen sie permanent aus. Von diesen Störungen ist jeder Detektor individuell betroffen. Eine Gravitationswelle würde sich dadurch verraten, dass alle Detektoren weltweit gleichzeitig ausschlagen. Nach der „Säuberung“ der S3-Daten wurde diese neue Version nochmals analysiert. Zusätzlich wurden einige falsche Signale eingestreut, um Aussagen über die Entdeckungswahrscheinlichkeit von relevanten Signalen zwischen den Störungen machen zu können.
Von Ende Juni 2005 bis Mitte 2006 lief die Analyse des Anfang 2005 durchgeführten LIGO-Durchlaufs S4, der einen Genauigkeitsfaktor von 2 erreichen sollte.