近年天文科學界因直接發現「重力波」存在證據，國際掀起一波重力波相關領域研究，淡江大學物理系劉國欽教授所主持之研究計畫「重力波:透視宇宙學與天文物理學的新方式」，在計算及分析龐大數據資料需求下，選用麗臺NVIDIA Quadro GV100，相較傳統單核心CPU運算效能瓶頸，大幅進展達300倍之譜，對科學研究助益可見一斑。
劉國欽教授表示在重力波數據分析，觀測到的訊號相當微弱，舉例觀測兩個黑洞撞擊，除需掌控背景噪訊統計，還需對每筆數據比對數十萬條模型，在4096的取樣率下，龐大的資料處理量，皆須花費大量的時間成本來處理，擷取資料時間及轉換時間便是推進研究進度關鍵；此外，觀測時會收集到一些其他訊號，這些訊號可能會干擾分析結果，除了在傅立葉轉換部分，或於剔除其他訊號這部分，GPU的加入大力提升了研究效率；擁有專業繪圖卡改善研究流程，利用CUDA建立一套分析數據的線程，原先購買的Quadro K80相較傳統單核心CPU加速150倍，Quadro GV100加入後，單卡甚至提供達300倍運算效率！
之所以選擇麗臺WS2020搭配GV100，是 GV100為針對雙精度所設計開發之GPU，研究要求雙精確度模擬條件下，利用Python撰寫傅立葉變換部分，GPU也可提供加速約30倍，效能上有一定差距。此外，鼓勵學生投入在CUDA C的程式發展，一方面希望補足Python可能存在CPU與GPU交換時間上效能的消耗，也可掌握計算的更多細節。麗臺科技高級工程師、同時為NVIDIA DLI 深度學習實作坊認證講師的薛宏宇補充說明，CUDA core能大量的同時平行計算，但GPU計算過程往往消耗很多時間在CPU、記憶體和GPU三者間的溝通，大多的開放源程式碼不會針對裝置底層溝通進行優化處理，造成效能瓶頸存在，若採用CUDA C精細撰寫，並透過CUDA相關工具檢驗整個處理流程，在高數據量的高效能計算上更加快速。
對於此應用可為研究計劃，或是世界帶來何種啟發及助益，劉國欽教授說明此案是集合清華大學、台灣師範大學、淡江大學、中研院參與日本的KAGRA重力波計畫，進而與歐洲Virgo、美國LIGO計畫共享數據及分析。起初KAGRA之計算資源遠遠不及歐美，但認為科學上很多計算是高度平行化的，如將此自CPU核心計算轉入GPU上，也會是研究方式新的可能。
重力波發現對於該領域的影響，已從最早的天文科學上印證，轉為激發研究人員挑戰理論，進而帶進新領域、新工具上的應用，反推過去理論上可能存在的不周全，修正後再次發現論證；隨著科技工具的發展，選擇麗臺NVIDIA Quadro GPU運算的加入，大大支持了劉國欽教授及所帶領團隊參與國際學術研究，持續提供台灣天文研究正面能量。
