MWC 2018
2018
Computex
IFA 2018
NASA запустит космический телескоп «Нэнси Грейс Роман» (RST) на орбиту Земли в сентябре 2026 года — на восемь месяцев раньше графика. За время работы телескоп передаст астрономам 20 000 Тбайт данных, которые вместе с потоками информации от других обсерваторий усиливают спрос учёных на графические процессоры, необходимые для обработки таких объёмов информации.
Источник изображений: NASA, JWST
К данным телескопа «Роман» добавятся 57 Гбайт снимков, которые ежесуточно поступают с космического телескопа NASA «Джеймс Уэбб» (James Webb), работающего с 2021 года. Позднее в 2026 году начнёт наблюдения обсерватория им. Веры Рубин (Vera C. Rubin Observatory) в чилийских Андах, которая будет собирать по 20 Тбайт данных за ночь. Космический телескоп «Хаббл», некогда считавшийся эталоном, передаёт всего 1–2 Гбайт данных в сутки. Те времена, когда все эти показания изучались вручную, давно прошли, и астрономы, как и все, кто работает с массивами данных такого масштаба, переходят на GPU.
Брант Робертсон (Brant Robertson), астрофизик из Калифорнийского университета в Санта-Крусе, наблюдал эту тенденцию из первых рядов, участвуя в работе с данными перечисленных миссий. Робертсон 15 лет сотрудничает с Nvidia, применяя GPU к задачам изучения космоса. Начинал он с симуляций, проверяющих теории о взрывах сверхновых, а теперь разрабатывает инструменты анализа потока данных с новейших обсерваторий. «Произошла эволюция: от изучения отдельных объектов — к анализу больших массивов данных на центральных процессорах, а затем — к тем же видам анализа, но уже с ускорением на GPU», — рассказал Робертсон.
Вместе с тогдашним аспирантом Райаном Хаузеном (Ryan Hausen) Робертсон создал модель глубокого обучения Morpheus, способную обрабатывать большие массивы данных и выявлять галактики. Ранний ИИ-анализ данных «Джеймса Уэбба» обнаружил неожиданно большое количество дисковых галактик определённого типа и заставил скорректировать теории о развитии Вселенной.
Архитектуру Morpheus Робертсон переводит со свёрточных нейронных сетей на трансформеры — архитектуру, стоящую за взлётом больших языковых моделей (LLM). После перехода модель сможет анализировать в несколько раз большую площадь неба, чем сейчас. Параллельно учёный строит генеративные ИИ-модели, обученные на данных космических телескопов, которые улучшают качество наблюдений земных обсерваторий, снимки которых искажает атмосфера. Вывести на орбиту восьмиметровое зеркало по-прежнему трудно даже с учётом прогресса в ракетостроении, поэтому программная обработка данных обсерватории Рубин — лучшая из доступных альтернатив.
Давление мирового спроса на GPU Робертсон ощущает напрямую. На средства Национального научного фонда (NSF) он создал GPU-кластер в Калифорнийском университете в Санта-Крусе, однако оборудование устаревает, а число исследователей, которым нужны ресурсоёмкие вычисления, растёт. Однако Администрация действующего президента США собирается сократить финансирование NSF на 50 %.
«Люди хотят заниматься анализом на основе ИИ и машинного обучения, а GPU — единственный инструмент для этого, — сказал Робертсон. — Приходится проявлять предприимчивость, особенно когда работаешь на переднем крае технологий. Университеты осторожны с рисками, потому что их ресурсы ограничены, и нужно идти и показывать: „Смотрите, вот куда движется наша область“».
Источник:
