Запуск космічного телескопа “Ненсі Грейс Роман” (Nancy Grace Roman Space Telescope, RST) заплановано на вересень 2026 року, що на вісім місяців раніше запланованого терміну. Очікується, що під час своєї роботи телескоп передасть астрономам 20 000 ТБ даних. Це, разом із потоками інформації від інших обсерваторій, посилює потребу науковців у графічних процесорах (GPU), необхідних для обробки таких значних обсягів даних.
Джерело зображень: NASA, JWST
До даних телескопа “Роман” додасться 57 ГБ знімків, які щодня надходять з космічного телескопа NASA “Джеймс Вебб” (James Webb Space Telescope, JWST), що функціонує з 2021 року. Пізніше у 2026 році розпочне спостереження обсерваторія імені Віри Рубін (Vera C. Rubin Observatory) у чилійських Андах, яка буде збирати 20 ТБ даних за ніч. Космічний телескоп “Хаббл” (Hubble Space Telescope), колись вважався еталоном, передає лише 1–2 ГБ даних на добу. Часи, коли всі ці показники вивчалися вручну, давно минули, і астрономи, як і всі, хто працює з масивами даних такого масштабу, переходять на GPU.
Перехід астрономії на GPU-прискорення
Брант Робертсон, астрофізик з Каліфорнійського університету в Санта-Крусі, спостерігав цю тенденцію з перших рядів, беручи участь у роботі з даними згаданих місій. Робертсон 15 років співпрацює з Nvidia, застосовуючи GPU до завдань вивчення космосу. Розпочинав він із симуляцій, що перевіряли теорії про вибухи наднових, а тепер розробляє інструменти аналізу потоку даних із найновіших обсерваторій. “Відбулася еволюція: від вивчення окремих об’єктів до аналізу великих масивів даних на центральних процесорах, а потім — до тих самих видів аналізу, але вже з прискоренням на GPU”, — розповів Робертсон.
Інноваційні підходи до аналізу космічних даних
Модель Morpheus та трансформери
Разом із тодішнім аспірантом Райаном Хаузеном Робертсон створив модель глибокого навчання Morpheus, здатну обробляти великі масиви даних та виявляти галактики. Ранній ШІ-аналіз даних “Джеймса Вебба” виявив несподівано велику кількість дискових галактик певного типу і змусив скоригувати теорії про розвиток Всесвіту.
Архітектуру Morpheus Робертсон переводить зі згорткових нейронних мереж на трансформери — архітектуру, що лежить в основі стрімкого розвитку великих мовних моделей (LLM). Після переходу модель зможе аналізувати в кілька разів більшу площу неба, ніж зараз.
Генеративний ШІ та програмна обробка даних
Паралельно вчений створює генеративні ШІ-моделі, навчені на даних космічних телескопів. Ці моделі покращують якість спостережень земних обсерваторій, знімки яких спотворює атмосфера. Вивести на орбіту восьмиметрове дзеркало, як і раніше, складно, навіть з урахуванням прогресу в ракетобудуванні. Тому програмна обробка даних обсерваторії Рубін — найкраща з доступних альтернатив.
Виклики та перспективи
Тиск попиту на GPU та фінансування
Тиск світового попиту на GPU Робертсон відчуває безпосередньо. За кошти Національного наукового фонду (NSF) він створив GPU-кластер у Каліфорнійському університеті в Санта-Крусі. Однак обладнання застаріває, а кількість дослідників, яким потрібні ресурсомісткі обчислення, зростає. Водночас Адміністрація чинного президента США планує скоротити фінансування NSF на 50 %.
“Люди хочуть займатися аналізом на основі ШІ та машинного навчання, а GPU — єдиний інструмент для цього. Доводиться проявляти підприємливість, особливо коли працюєш на передньому краї технологій. Університети обережні з ризиками, тому що їхні ресурси обмежені, і потрібно йти й показувати: ‘Дивіться, ось куди рухається наша галузь'”, — сказав Робертсон.
Головний підсумок від ІТ-Блогу: Стрімке зростання обсягів даних з нових космічних обсерваторій, таких як “Ненсі Грейс Роман” та “Джеймс Вебб”, вимагає потужних обчислювальних ресурсів, зокрема GPU. Це спричиняє бум у сфері GPU-прискорення для наукових досліджень, а інноваційні підходи, як-от використання трансформерів та генеративного ШІ, відкривають нові можливості для аналізу космічних даних та покращення якості спостережень.
За даними порталу: 3dnews.ru