NASA планирует вывести на орбиту космический телескоп «Нэнси Грейс Роман» (RST) уже в сентябре 2026 года, что на восемь месяцев раньше запланированного срока. За весь период своей эксплуатации обсерватория передаст астрономам около 20 000 Тбайт данных. Этот колоссальный объем информации в сочетании с потоками данных от других передовых инструментов резко повышает спрос среди ученых на графические процессоры (GPU), необходимые для быстрой и эффективной обработки входящих массивов.
Нагрузка на вычислительные мощности растет стремительно. Помимо данных от «Нэнси Грейс Роман», ученые ежедневно получают 57 Гбайт снимков с телескопа «Джеймс Уэбб», функционирующего с 2021 года. Позднее в 2026 году к ним добавится обсерватория имени Веры Рубин, расположенная в чилийских Андах, которая будет генерировать до 20 Тбайт данных за одну ночь наблюдений. Для сравнения: космический телескоп «Хаббл», который когда-то был эталоном в своей области, передает всего 1–2 Гбайт данных в сутки. Эра ручного анализа этих данных ушла в прошлое, и астрономы вынуждены массово переходить на GPU.
Брант Робертсон, астрофизик из Калифорнийского университета в Санта-Крусе, следит за этой трансформацией изнутри. Имея 15-летний опыт сотрудничества с Nvidia, он прошел путь от моделирования вспышек сверхновых до разработки инструментов глубокого анализа данных с современных обсерваторий. По словам ученого, в индустрии произошла настоящая эволюция: от изучения отдельных объектов и попыток анализа на центральных процессорах исследователи перешли к работе с огромными массивами данных с использованием ускорителей на базе GPU.
Совместно с Райаном Хаузеном Робертсон создал модель глубокого обучения Morpheus. Этот инструмент позволил автоматизировать обнаружение галактик, и первые результаты анализа данных «Джеймса Уэбба» уже привели к научным открытиям — например, выявлению неожиданного числа дисковых галактик, что потребовало пересмотра существующих теорий эволюции Вселенной.
Сейчас Брант Робертсон переводит архитектуру Morpheus со сверточных нейронных сетей на трансформеры — ту же технологию, на которой базируются современные большие языковые модели. Ожидается, что после обновления модель сможет анализировать гораздо большие участки неба. Параллельно ведутся работы над генеративным ИИ, который должен улучшать качество снимков с наземных обсерваторий, исправляя искажения, вносимые атмосферой Земли. Это программное решение становится лучшей альтернативой дорогостоящему запуску гигантских зеркал в космос.
Однако Брант Робертсон отмечает серьезные сложности: спрос на GPU во всем мире огромен, а университетских мощностей не хватает. Созданный им на средства Национального научного фонда (NSF) кластер в Санта-Крусе быстро устаревает, а планы администрации США по сокращению финансирования фонда на 50% создают дополнительные барьеры.
«Люди хотят заниматься анализом на основе ИИ и машинного обучения, а GPU — единственный инструмент для этого. Приходится проявлять предприимчивость, особенно когда работаешь на переднем крае технологий. Университеты осторожны с рисками, потому что их ресурсы ограничены, и нужно постоянно доказывать: «Смотрите, вот куда движется наша область»», — резюмирует Робертсон.
