Criza globală de GPU se adâncește: vânătorii de galaxii cu inteligență artificială sufocă resursele universităților

NASA a anunțat că va lansa telescopul spațial Nancy Grace Roman pe orbită în septembrie 2026, cu opt luni mai devreme decât era planificat inițial. Noul telescop spațial este de așteptat să furnizeze astronomilor, pe parcursul duratei sale de viață, aproximativ 20 000 de terabytes de date, un volum fără precedent care va transforma modul în care este studiat universul.

Acest flux masiv de informații se va adăuga celor 57 de gigabytes de imagini spectaculoase transmise zilnic de Telescopul Spațial James Webb, care și-a început activitatea în 2021. În plus, mai târziu în acest an urmează să debuteze și studiul realizat de Observatorul Vera C. Rubin din munții din Chile, care este așteptat să colecteze în jur de 20 de terabytes de date în fiecare noapte, contribuind la o arhivă uriașă de observații cosmice.

Prin comparație, Telescopul Spațial Hubble, considerat mult timp standardul de aur în astronomie, furnizează doar 1 până la 2 gigabytes de măsurători ale senzorilor pe zi. De mult timp aceste date nu mai sunt analizate manual. Astronomii, confruntați cu un munte de informații, se bazează tot mai mult pe GPU-uri pentru a face față provocărilor de procesare și interpretare.

Astrofizicianul Brant Robertson, de la Universitatea California Santa Cruz, a avut un loc în prim-plan în această schimbare majoră din știință, sprijinind și utilizând datele acestor misiuni. În ultimii 15 ani, Robertson a colaborat cu Nvidia pentru a aplica GPU-uri la problemele legate de înțelegerea universului. La început a fost implicat în simulări avansate pentru testarea teoriilor despre exploziile de supernove. Ulterior s-a concentrat pe dezvoltarea unor instrumente capabile să analizeze avalanșa de date provenite din cele mai noi observatoare.

„There’s been this evolution [from] looking at a few objects, to doing CPU-based analyses on large scales of the data set, to then doing GPU-accelerated versions of those same analyses”, a explicat Robertson, descriind modul în care astronomia a trecut de la studierea câtorva obiecte izolate la explorarea unor seturi de date uriașe cu ajutorul GPU-urilor.

Robertson, împreună cu doctorandul de atunci Ryan Hausen, a dezvoltat un model de învățare profundă numit Morpheus, capabil să parcurgă seturi mari de date și să identifice galaxii. Primele lor analize bazate pe inteligență artificială asupra datelor provenite de la Webb au scos la iveală un număr surprinzător de mare de un anumit tip de galaxii disc, adăugând o nouă provocare teoriilor despre formarea și evoluția universului.

Acum, Morpheus este adaptat la noile tendințe. Robertson schimbă arhitectura modelului, trecând de la rețele neuronale convoluționale la transformerele care au stat la baza apariției marilor modele de limbaj. Această modificare va permite modelului să analizeze o suprafață de câteva ori mai mare decât în prezent, ceea ce îi va accelera considerabil activitatea și va crește randamentul descoperirilor.

Robertson lucrează, de asemenea, la modele de inteligență artificială generativă, antrenate pe date colectate de telescoape spațiale, pentru a îmbunătăți calitatea observațiilor realizate de telescoapele terestre, deformate de atmosfera Pământului. Chiar dacă tehnologia rachetelor a avansat, rămâne extrem de dificil să fie plasată pe orbită o oglindă de opt metri. Din acest motiv, folosirea algoritmilor software pentru optimizarea observațiilor Observatorului Rubin este văzută ca următoarea soluție cea mai bună.

Totuși, Robertson resimte presiunea cererii globale pentru acces la GPU-uri. El a utilizat resurse ale National Science Foundation pentru a construi un cluster de GPU-uri la UC Santa Cruz, dar această infrastructură devine deja depășită, chiar în timp ce un număr tot mai mare de cercetători doresc să aplice tehnici foarte intensive din punct de vedere computațional în proiectele lor.

„People want to do these AI, ML analyses, and GPUs are really the way to do that”, a spus Robertson. „You have to be entrepreneurial… especially when you’re working kind of at the edge of where the technology is. Universities are very risk averse because they just have constrained resources, so you have to go out and show them that, ‘look, this is where we’re going as a field.’”