← 返回 PaperDaily 大模型与智能体

开源选址神器CELS：40公里引力波天线，全美最低成本仅5500万美元

想给40公里长的“引力波天线”在地球上安个家有多难？地势得像碗一样平整，还得躲开公路湿地，预算更要压得住。这篇论文用开源工具把全美扫了个遍，算出最低选址成本只要5500万美元，一篇文章把选址账算得明明白白。

龙哥读论文 阅读 5 查看原文
#AI科研 #人工智能
开源选址神器CELS：40公里引力波天线，全美最低成本仅5500万美元
原论文信息如下：
论文标题:
Identifying Cost-Favorable Locations for Cosmic Explorer
发表日期:
2026年08月
发表单位:
美国加州州立大学富勒顿分校、麻省理工学院、俄勒冈大学、明尼苏达大学、亚利桑那大学等多所机构联合
原文链接:
https://arxiv.org/pdf/2608.19114v1.pdf
开源代码链接:
https://gitlab.com/cosmic-explorer/cels/

最近AI圈又卷又热闹，但龙哥今天想带大家看点不一样的——不是大模型刷榜，不是智能体炫技，而是把目光投向地球之外：人类打算在2030年代之后，把引力波天文台的“眼力”延伸到可观测宇宙的边缘。这个项目叫Cosmic Explorer（宇宙探索者，简称CE），是LIGO的下一代继任者，臂长直接怼到20公里和40公里。你没听错，不是4公里，是40公里。
问题来了：这么个庞然大物，往哪儿放？不是随便找块空地就行的。激光要在近乎真空的束管里走直线，意味着那40公里的地面必须“几乎完美地平”——还不能是数学意义上的平面，而是三维空间里一个微微下凹的“碗状面”，用来抵消地球的曲率。为了找到这种地方，来自多所美国高校的研究团队搞了个开源Python工具，叫Cosmic Explorer Location Search（CELS），用公开地理数据把全美国扫描了一遍，估算哪个位置修CE最省钱。

引力波天文台选址有多难？从LIGO到Cosmic Explorer的挑战

先铺垫一点背景。LIGO（激光干涉引力波天文台）的两个探测器分别坐落在路易斯安那州的利文斯顿和华盛顿州的汉福德，每个臂长4公里。自从2015年首次直接探测到引力波以来，LIGO和欧洲的Virgo、日本的KAGRA已经联手发现了390个来自双致密星并合的引力波信号，还历史性地实现了引力波与电磁信号的同时探测（就是那颗著名的中子星并合事件GW170817）。
而Cosmic Explorer的想法很简单粗暴：既然LIGO能干成，那就把它放大十倍。40公里的臂长意味着灵敏度大幅提升，能看到的宇宙体积会暴涨，有望观测到跨越宇宙历史的黑洞和中子星并合事件，还能精细研究极端物质的性质，甚至检验引力的基本理论。CE的设计包含两个相距至少1000公里的L形探测器，一个臂长40公里（CE40），一个臂长20公里（CE20），计划在2040年代初与欧洲的爱因斯坦望远镜一起开始观测。眼下，CE正处于概念设计和选址评估阶段，预计2026年秋天向美国国家科学基金会（NSF）提交初步报告。
图1
左侧为Cosmic Explorer的艺术家概念图，展示了从角站望向x臂方向的视野；右侧为CE天文台的简化占地示意图（简化清表范围包含沟渠、护堤、道路和天文台基础设施）。
但麻烦也随之而来：4公里的臂长还行，40公里的臂长意味着沿途的地形稍微起伏一点，土方量就大到吓人。用论文的话说，如果地球是完美球体而地势处处等高，那么一条40公里的束管，中间贴着地面，两端就得架高约30米。换句话说，理想的选址不是“平坦”，而是“欧几里得平坦”——在三维空间里是平面，在海拔图上呈现为浅碗状，中心比边缘更靠近地心。这种地形在现实中往往对应沉积盆地里的缓谷。为了找到这种地方，团队开发了CELS。

CELS：一个开源选址工具如何估算数亿美元成本？

CELS的全称是Cosmic Explorer Location Search，一个用Python写的开源包，代码托管在GitLab上，基于MIT许可。它的目标不是给某个具体选址做精确造价，而是提供“粗略量级”（order-of-magnitude）的场地准备成本估算，误差范围大约在-25%到+75%，用来支持早期“行/不行”的决策。
CELS的工作方式很直白：它把整个美国本土（conterminous United States）划成一个个1公里见方的网格，对每个网格点模拟把探测器顶点（角站）放在那里，然后让两条臂分别旋转36个不同角度（每次10度），计算每个角度下的场地准备成本。这样每一个像素点的颜色，就代表该位置在所有旋转方向中能得到的最低成本估算。颜色尺度取对数，黄色最便宜，紫色最贵。
那么CELS到底算了哪些成本？主要四类：土地清理成本、土地获取成本、道路跨越成本，以及最核心的土方工程（高程）成本。这四类分别对应四种公开数据源，论文图2把四层数据叠在一起展示了出来。
图2
图2：CELS全国搜索使用的四层数据，投影为EPSG:5070。土地覆盖标签遵循NLCD分类（见表2），主要道路来自MAF/TIGER数据库（见表3），高程数据来自USGS National Map（单位米），土地获取成本（美元/英亩，对数刻度）源自Nolte的模型（2020）。所有图层均基于公开数据。
高程数据来自USGS国家地图的3D Elevation Program，分辨率1弧秒；土地覆盖用的是USGS的NLCD 2021数据集，30米分辨率，把地表分为林地、湿地、农田、开发区等类型；土地获取成本则源自一项覆盖全美约600万笔房产交易的经济计量模型（Nolte 2020），以480米分辨率给出每英亩的土地价值估计；道路数据来自美国人口普查局的MAF/TIGER数据库，提供主干道路的矢量信息。这些数据全部是公开的，任何人都可以下载复现。
顺带一提，项目还采用了持续集成（CI）自动测试、代码审查和文档体系，方便多开发者协作。这种工程化程度在科研工具里算相当讲究了。

成本构成大揭秘：土方工程为何成为最大开销？

在CELS的四类成本中，土方工程（论文里叫高程成本）是绝对的大头。为了把一条40公里的束管变得“笔直且水平”，需要沿着整个足迹挖沟或筑堤。论文给出了一张很有意思的图：在CE40的最低成本选址中，土方成本平均占到了总成本估计的80%以上。这意味着土地贵一点、清理贵一点，其实都不是决定性因素——真正决定一个地方行不行的，是它的地形。
CELS计算土方成本的方法很工程化。它不是对整个40公里做一刀切的平均，而是把每条臂按100米间隔采样（论文中默认Δl=100米），逐段计算需要挖掉或填起来的土方体积，然后累加。单段的体积用下面的公式估算：
公式5
单段土方体积Vk的计算公式。hk为第k段位置的深度（负值代表挖方，正值代表填方），Δl为采样步长（默认100米），w为沟渠/护堤宽度（18米），θr为休止角（45°）。
总挖掘量用下面这个公式汇总：
公式4
场地平整的总土方当量ΔE。Vcut为挖方总量，Vfill为填方总量，两者之和代表场地内移动的土方量，两者之差的绝对值代表需要从外部运入或运出的余土量。
而Vcut和Vfill又通过下面两个等式从单段体积Vk累加得到：
Vcut与Vfill
Vcut与Vfill的计算方式：挖方总量等于所有负体积段绝对值之和，填方总量等于所有正体积段之和，净开挖量等于整体代数和。
CELS在计算每个候选位置时，会为每条臂选择一个最优倾斜角来最小化总挖填方量。这个设计非常巧妙：探测器不是必须完全水平的——通过调整臂的俯仰角，可以让束管更好地贴合自然地形，从而大幅降低土方量。论文中专门有一张图展示了这个“参数拟合”的效果。
图8
图8：某参考位置处，拟合臂倾斜角以最小化总土方量（蓝色）与保持零倾斜（橙色）所需的土方高度对比。拟合倾斜角时土方量约1800万立方米；不拟合时为2000万立方米，对应CELS高程成本约4000万美元的差异。
但倾斜不是免费的。臂的倾斜会把垂直方向的地震振动耦合进引力波读数里——论文里管这个叫“倾斜噪声耦合”。为了量化这个代价，CELS还定义了一个“倾斜惩罚项”：
倾斜惩罚公式
倾斜成本惩罚项。θx和θy分别为x臂和y臂的倾斜角，θ0是LIGO的微震水平阈值（3.1毫弧度），每臂倾斜每达到θ0就计10百万美元的“科学代价”。
最终的高程成本是把总挖填方量乘以单位土方成本得到的。这里论文还设置了一个聪明的封顶机制：当挖方深度超过15.1米的最小隧道深度阈值时，就认为继续挖明沟不如直接钻隧道，把单价切换为隧道成本。这个细节保证了成本估算不会在极端地形下失控。
图6
图6：零海拔球形地球模型下，土方成本与土方量随臂长的标度关系。对4公里≤臂长≤40公里的范围做幂律拟合，超过一定挖方量后挖掘成本按固定隧道成本封顶。
论文还专门画了臂倾斜的物理示意图（图7）。左图是零倾斜的情况，两块反射镜都顺着当地重力方向悬挂，但要反射激光必须各自向内侧倾斜θ0角度（实际只有3.1毫弧度）；右图是倾斜后的情况，两块镜子的俯仰角变成θ0-θx和θ0+θx。倾斜的臂总会把更多的垂直振动耦合进引力波读数，这就是为什么倾斜是有科学代价的。
图7
图7：CE的x臂示意图，展示了角站输入镜和x端站端镜的悬挂方式。黑色曲线代表球形地球（处处零海拔）。左：零倾斜（θx=0），两镜须分别内倾θ0角以互相反射激光；右：x臂有倾斜（θx≠0），输入镜和端镜相对当地重力方向的俯仰角分别为θ0-θx和θ0+θx。倾斜臂总会将更多垂直振动耦合进CE的引力波读数。

40公里vs 20公里：全国搜索揭示最佳选址区域

把CELS放到全美国本土跑一遍，会得到什么结果？论文给出了两张全国成本地图，一张是CE40，一张是CE20。每个像素点的颜色表示把探测器角站放在该位置时，在36个旋转方向中能拿到的最低成本估计，颜色取对数刻度，黄色最便宜，紫色最贵。
封面
封面：Cosmic Explorer选址概念图。40公里量级的探测器臂长对场地地形提出了严苛要求。
图9
图9：CE40全国搜索结果的成本与定位分析。每个像素代表给定探测器角站位置下、36个等间距旋转方向中的最低估算成本。黄色为最低成本区域，紫色为最高成本区域，颜色刻度为对数。粉色轮廓为CE40成本有利的潜在地点区域，覆盖了当前29个长名单候选地点中的27个。
从CE40的成本地图上可以清楚看到，成本最低的区域集中在美国中西部和南部，尤其是堪萨斯州西部、俄克拉荷马州狭长地带、德克萨斯州西部和新墨西哥州东部一带。这些地方的共同特点是：地势相对平坦、土地便宜、道路稀疏、湿地少——简直是CE40的天然温床。
论文还统计了成本最低的10万个位置和1万个位置的成本构成。结果非常有意思：在成本最有利的这批位置里，道路跨越成本几乎可以忽略（不到总成本的1%），而高程成本——也就是把场地修整成欧几里得平坦所需的土方量——平均占到总成本估计的80%以上。
图10
图10：CELS全国搜索得出的成本最低的10万个和1万个CE40位置的成本构成饼图。饼图省略了道路跨越成本（占该子集总成本不到1%）。对该子集而言，高程（即让场地达到欧几里得平坦所需的土方工程）平均占总成本估计的80%以上。
而CE20的情况则不同。由于臂长减半，地球曲率带来的麻烦小了很多，地形约束也相对宽松。CE20的成本地图上出现了更多可选项，而且论文特别提到：建议把CE20放在美国东部——这样既能满足与CE40相距1000公里以上的要求，又能平衡全国范围内的科学覆盖。
图11：CE20全国搜索结果的成本与定位分析。每个像素代表给定探测器角站位置下、36个等间距旋转方向中的最低估算成本。黄色为最低成本区域，紫色为最高成本区域，颜色为对数刻度。粉色轮廓为CE20在适宜性分析和CELS关注区域附近的成本有利潜在地点。论文倾向于在美国东部选址以平衡全国覆盖。
这里要特别说明一点：图9和图11里的粉色轮廓并不代表全国绝对最低成本的区域——它们是“长名单”地点附近的最低成本选项。这个“长名单”是由CE选址评估团队综合CELS搜索、国家适宜性分析（National Suitability Analysis）和其他选址工作共同拟定的。换句话说，CELS不是用来单打独斗的，而是整个选址决策链条里的关键一环。

从全国粗筛到局部精查：CELS的未来进化路线

CELS目前能做到全国范围的“粗筛”，但论文也坦诚地列出了它的局限和未来改进方向。
首先是成本模型的精度。CELS目前用18米宽、45°休止角的V形沟渠/护堤来近似所有地形处理，但在实际工程中，隧道、高架桥、加筋挡墙都是可能的替代方案。更准确的成本估算需要专业土木工程师介入——论文明确说，这需要在后续可行性研究阶段完成。
其次，CELS还没有纳入铁路跨越成本。美国中西部有不少铁路线，虽然密度不如公路，但在40公里的尺度上总会有交叉的可能。论文表示铁路是下一步扩展方向。
第三，当前的土地价值模型没有考虑区域成本因素和规模经济效应。清理100英亩森林的成本不一定是清理1英亩的100倍——实际的工程量报价通常是有规模折扣的。当然，CELS的目标是“相对成本比较”而不是“绝对造价预算”，所以这个简化在现阶段可以接受，但到了具体位置比选时就需要修正。
最后，未来的CELS会引入更高分辨率的数据和更精细的局部地形模型，支持对“长名单”地点逐一进行深入评估。论文提出的路线图是：全国粗筛 → 区域初选 → 局部精查 → 现场勘察。CELS在前两个阶段扮演核心角色，而到第三阶段则要结合实地数据做更精细的建模。
从论文的表述来看，CE项目的选址已经进入实质性推进阶段。2026年秋天要向美国国家科学基金会提交初步报告，2040年代初要开始观测。留给选址团队的时间窗口其实不算宽裕——找到一个成本可控、科学达标、又能被当地社区接受的地方，在任何一个国家都不是一件容易的事。

龙迷三问

下面是龙哥对于大家可能的一些问题的解答：
这篇论文到底在解决什么问题？Cosmic Explorer是下一代引力波天文台，臂长20公里和40公里。本文介绍开源Python工具CELS，利用高程、土地覆盖、土地价值和道路等公开地理数据，估算其在全美选址准备成本。
这篇工作最值得看的点是什么？论文通过CELS包对美国本土进行全国搜索，识别出CE40最低成本约5500万美元、CE20最低成本约800万美元的选址区域，并发现高程（土方工程）是成本的主要驱动因素，占最低成本选址总成本的80%以上。
这篇工作的边界或风险在哪里？优点：(1) 开发了开源、可复现的CELS工具包，整合多种公开地理数据源进行系统化选址评估；(2) 方法具有创新性，将成本估算与科学产出影响相结合，提供了"科学/美元"的评估框架；(3) 考虑了探测器倾斜对科学目标的影响，并设计了相应的成本惩罚机制；(4) 结果对CE项目的实际选址决策具有直接参考价值。缺点：(1) 成本估算精度有限（-25%到+75%），属于粗略数量级估计；(2) 未考虑区域成本差异和规模经济效应；(3) 对土壤/岩石类型、地下水位等地质因素未做区分；(4) 道路交叉成本采用统一的上限估计（地下通道成本），可能高估实际成本；(5) 未考虑铁路交叉、环境噪声等因素。
如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~

龙哥点评

论文创新性分数：★★★★☆

开发开源Python包CELS，利用公开地理数据（高程、土地覆盖、土地价值、道路）估算Cosmic Explorer探测器不同选址和几何布局下的场地准备成本，并通过最小化土方量来确定成本最优位置。

实验合理度：★★★☆☆

现有材料未完整覆盖数据划分、基线公平性和统计显著性，因此按中性评价处理。

学术研究价值：★★★★☆

开发开源Python包CELS，利用公开地理数据（高程、土地覆盖、土地价值、道路）估算Cosmic Explorer探测器不同选址和几何布局下的场地准备成本，并通过最小化土方量来确定成本最优位置；更关键的是问题定义是否可复用到同类任务。

稳定性：★★★☆☆

现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。

适应性以及泛化能力：★★★☆☆

现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。

硬件需求及成本：★★★☆☆

现有材料缺少完整训练资源、参数量、显存和推理时延信息，成本暂按中性评价。

复现难度：★★★☆☆

https://gitlab.com/cosmic-explorer/cels/

产品化成熟度：★★★☆☆

论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。

可能的问题：现有材料尚未充分覆盖分布外泛化、部署成本、长期稳定性和失败案例。

主要参考文献

[1] Datrier L, Lovelace G, Ansar T, et al. Identifying Cost-Favorable Locations for Cosmic Explorer. arXiv:2608.19114, 2026.
[2] LIGO Scientific Collaboration. Laser Interferometer Gravitational-Wave Observatory (LIGO). https://www.ligo.org/
[3] CELS开源代码仓库. Cosmic Explorer Location Search. https://gitlab.com/cosmic-explorer/cels/
[4] USGS National Map. 3D Elevation Program (3DEP). https://www.usgs.gov/the-national-map-data-delivery
[5] Nolte C. High-resolution land value map of the conterminous United States. 2020.

*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击"阅读原文"，查看更多原论文细节哦！       

end
引力波的涟漪有迹可循，选址的成本有CELS可算，而好论文的精彩，有龙哥陪你读。🌊 欢迎加入龙哥读论文粉丝群，扫描下方二维码或者添加龙哥助手微信号加群：kangjinlonghelper。一定要备注：研究方向+地点+学校/公司+昵称（如 引力波天文+上海+清华+龙哥），根据格式备注，可更快被通过且邀请进群。『龙哥读论文』微信群目前包含：图像处理、大模型及智能体、自动驾驶及机器人、AI医疗及AI金融5个群，新朋友抓紧上车～
wechat_helper dianzan

转发文章 微博 X LinkedIn Facebook
龙哥读论文 · PaperDaily

本文基于龙哥读论文 PaperDaily 数据库整理，结合论文原文与工程视角进行解读。