НАСА (NASA) объявила, что запустит космический телескоп им. Нэнси Грейс Роман в сентябре 2026 года — на восемь месяцев раньше графика. За время своей работы он передаст учёным около 20 000 терабайт данных.
Это добавится к 57 гигабайтам потрясающих снимков, которые телескоп Джеймс Уэбб (James Webb) отправляет ежедневно с 2021 года. А позже в этом году начнёт работу обсерватория Веры К. Рубин в чилийских горах, которая будет собирать по 20 терабайт данных каждую ночь.
Для сравнения: легендарный телескоп Хаббл (Hubble) выдаёт всего 1–2 гигабайта данных в день. Давно прошли времена, когда все эти данные разбирали вручную. Как и во многих других сферах, астрономы всё чаще обращаются к видеочипам — GPU — чтобы справиться с наплывом информации.
Как ИИ меняет астрономию
Брэнт Робертсон, астрофизик из Калифорнийского университета в Санта-Круз, уже 15 лет работает с компанией Nvidia, применяя GPU для изучения космоса. Сначала — для сложных симуляций вроде моделирования взрывов сверхновых, а теперь — для анализа потоков данных с новых обсерваторий.
«Мы прошли путь от изучения отдельных объектов до масштабных анализов на процессорах, а теперь перешли к версиям с ускорением на GPU», — рассказал он TechCrunch.
Вместе с тогда ещё аспирантом Райаном Хаузеном Робертсон разработал модель глубокого обучения под названием Морфеус (Morpheus). Она способна сканировать огромные массивы данных и находить галактики. Уже первые результаты анализа данных Уэбба показали неожиданно большое количество дисковых галактик — это поставило под сомнение некоторые теории эволюции Вселенной.
Сейчас Морфеус обновляют: исследователи переходят от свёрточных нейросетей к архитектуре трансформеров, лежащих в основе современных больших языковых моделей. Это позволит модели охватить в разы большую площадь неба и работать быстрее.
Генеративный ИИ против атмосферы
Робертсон также работает над генеративными ИИ-моделями, обученными на данных космических телескопов. Их цель — улучшать качество снимков наземных обсерваторий, искажённых атмосферой Земли. Несмотря на прогресс в ракетостроении, вывести в космос зеркало диаметром 8 метров по-прежнему сложно. Поэтому программное улучшение данных обсерватории Рубин — лучшее, что можно сделать.
Дефицит GPU и нехватка финансирования
Однако доступ к GPU становится всё острее. Робертсон использовал средства Национального научного фонда (NSF) для создания GPU-кластера в своём университете, но мощности уже устаревают. При этом число учёных, желающих применять ресурсоёмкие методы анализа, только растёт.
Администрация Трампа в своём последнем бюджете предложила сократить финансирование NSF на 50%. Это усугубляет проблему.
«Люди хотят использовать ИИ и машинное обучение (machine learning), а GPU — это главный инструмент для этого. Приходится действовать как предпринимателю, особенно когда ты на переднем крае технологий. Университеты склонны избегать рисков — у них ограниченные ресурсы. Поэтому нужно самому доказывать: „Смотрите, вот куда движется наука“»