NASA объявило о планах запуска космического телескопа Нэнси Грейс Роман на орбиту уже в сентябре 2026 года, что на восемь месяцев раньше запланированного срока. Ожидается, что новый телескоп обеспечит астрономов объемом в 20 000 терабайт данных в течение своего жизненного цикла.
Об этом сообщает ProIT
Рост объемов астрономических данных и потребность в GPU
Огромное количество информации, которую генерируют современные обсерватории, создает новые вызовы для ученых. Для сравнения, космический телескоп Хаббл, который ранее считался эталоном, ежедневно передает лишь 1–2 гигабайта данных. В настоящее время астрономы имеют дело с 57 гигабайтами изображений, которые ежедневно поступают с телескопа имени Джеймса Уэбба, начавшего работу в 2021 году. К концу этого года ожидается, что обсерватория Веры Рубин в Чили будет ежедневно отправлять еще 20 терабайт данных.
Такой объем информации уже невозможно анализировать вручную, поэтому ученые активно используют графические процессоры (GPU) для обработки и анализа данных. Бренд Робертсон, астрофизик из Калифорнийского университета в Санта-Крус, на протяжении последних 15 лет сотрудничает с компанией Nvidia, применяя GPU для моделирования сверхновых и разработки инструментов для анализа данных с новейших телескопов.
“Произошла эта эволюция [от] изучения нескольких объектов к выполнению анализов на основе ЦП на больших масштабах набора данных, а затем к выполнению ускоренных GPU версий тех же анализов,” отметил он.
Внедрение нейросетей и искусственного интеллекта
Совместно с бывшим аспирантом Райаном Хаусеном, Робертсон создал модель глубокого обучения Morpheus, которая может анализировать большие массивы данных и распознавать галактики. Благодаря раннему анализу данных Уэбба с помощью Morpheus удалось найти неожиданное количество спиральных галактик, что повлияло на существующие теории эволюции Вселенной.
В настоящее время Morpheus модернизируется: Робертсон переходит от свёрточных нейронных сетей к трансформерам, которые лежат в основе современных больших языковых моделей. Это позволит модели анализировать значительно большие участки неба за меньшее время и повысит эффективность обработки данных.
Исследователь также работает над генеративными AI-моделями, которые обучаются на данных космических телескопов для улучшения качества наблюдений с наземных обсерваторий. Атмосфера Земли создает искажения для телескопов с большими зеркалами, поэтому программные решения позволяют улучшить данные, полученные, в частности, обсерваторией Рубин.
Тем не менее, растущий спрос на вычислительные мощности ощущается остро. Робертсон создал кластер GPU в университете при поддержке Национального научного фонда США, но он уже теряет актуальность, поскольку все больше исследователей применяют ресурсоемкие AI-инструменты для своей работы. Администрация Трампа предложила сократить финансирование Национального научного фонда на 50% в текущем бюджете, что еще больше усложняет ситуацию.
По словам Робертсона, сегодня именно GPU открывают путь к осуществлению анализа искусственного интеллекта и машинного обучения в астрономии. Он подчеркивает, что исследователям приходится проявлять предприимчивость, чтобы привлекать ресурсы и доказывать университетам важность инвестиций в инновационные технологии.