I cacciatori di galassie AI si stanno aggiungendo alla crisi globale della GPU

La NASA ha annunciato che lancerà in orbita il telescopio spaziale romano Nancy Grace nel settembre 2026, otto mesi prima del previsto. Si prevede che il nuovo telescopio spaziale fornirà 20.000 terabyte di dati agli astronomi nel corso della sua vita.

Ciò si aggiungerà ai 57 gigabyte di immagini mozzafiato trasmesse quotidianamente dal telescopio spaziale James Webb, che ha iniziato il suo lavoro nel 2021, e all’inizio di un’indagine entro la wonderful dell’anno da parte dell’Osservatorio Vera C. Rubin nelle montagne del Cile, che dovrebbe raccogliere 20 terabyte di dati ogni notte.

Per fare un confronto, il telescopio spaziale Hubble, un tempo il gold customary, fornisce solo da 1 a 2 gigabyte di letture dei sensori ogni giorno. È passato un po’ di tempo dall’ultima volta che tutte quelle letture sono state esaminate manualmente, ma come chiunque altro abbia una montagna di dati, gli astronomi ora si rivolgono alle GPU per risolvere i loro problemi.

Brant Robertson, astrofisico della UC Santa Cruz, ha avuto un posto in prima fila per questo cambiamento radicale nella scienza mentre supportava o utilizzava i dati di queste missioni. Robertson ha trascorso gli ultimi 15 anni lavorando con Nvidia per applicare le GPU ai problemi della comprensione dello spazio, prima attraverso simulazioni avanzate testando teorie sulle esplosioni di supernnova, e ora sviluppando gli strumenti per analizzare un torrente di dati provenienti dai più nuovi osservatori.

“C’è stata questa evoluzione [from] guardando alcuni oggetti, per eseguire analisi basate sulla CPU su larga scala del set di dati, per poi eseguire versioni speed up dalla GPU di quelle stesse analisi”, ha detto a TechCrunch.

Robertson e l’allora studente laureato Ryan Hausen hanno sviluppato un modello di deep studying chiamato Morpheus in grado di analizzare grandi quantità di dati e identificare le galassie. La loro prima analisi AI dei dati Webb ha identificato un numero sorprendente di un tipo specifico di galassie a disco e ha aggiunto una nuova svolta alle teorie sullo sviluppo del nostro universo.

Ora Morpheus sta cambiando con i tempi: Robertson sta cambiando la sua architettura dalle reti neurali convoluzionali ai trasformatori dietro l’ascesa di grandi modelli linguistici. Ciò comporterà che il modello sarà in grado di analizzare l’space più volte di quanto possa fare attualmente, accelerando il suo lavoro.

Robertson sta anche lavorando su modelli di intelligenza artificiale generativa addestrati sui dati dei telescopi spaziali per migliorare la qualità delle osservazioni raccolte dai telescopi terrestri, che sono distorte dall’atmosfera terrestre. Nonostante i progressi nel campo della missilistica, è ancora difficile mettere in orbita uno specchio di 8 metri, quindi utilizzare un software program per migliorare le osservazioni di Rubin è la cosa migliore da fare.

Ma sente ancora la pressione della domanda globale di accesso alla GPU. Robertson ha utilizzato la Nationwide Science Basis per costruire un cluster GPU presso l’UC Santa Cruz, ma sta diventando obsoleto anche se sempre più ricercatori desiderano applicare tecniche advert alta intensità di calcolo al loro lavoro. L’amministrazione Trump ha proposto di tagliare il finances della NSF del 50% nella sua attuale richiesta di finances.

“Le persone vogliono fare queste analisi AI e ML e le GPU sono davvero il modo per farlo”, ha detto Robertson. “Devi essere imprenditoriale… soprattutto quando lavori ai margini della tecnologia. Le università sono molto avverse al rischio perché hanno risorse limitate, quindi devi uscire e mostrare loro che, ‘guarda, questo è dove stiamo andando come campo.'”