AI星系猎人正在加剧全球GPU紧缺

NASA宣布将于2026年9月将南希·格雷斯·罗曼太空望远镜送入轨道，比原计划提前了八个月。新的太空望远镜预计将在其生命周期内向天文学家提供20,000 TB的数据。

这将使詹姆斯·韦伯太空望远镜每天下载57 GB的令人惊叹的图像，该望远镜于2021年开始工作，智利山区的维拉·C·鲁宾天文台今年晚些时候开始进行一项调查，预计每晚收集20 TB的数据。

相比之下，曾经的黄金标准哈勃太空望远镜每天仅提供1到2 GB的传感器读数。距离手工仔细阅读所有这些读数已经有一段时间了，但就像其他拥有大量数据的人一样，天文学家现在正在转向GPU来解决他们的问题。

加州大学圣克鲁斯分校的天体物理学家布兰特·罗伯逊（Brant Robertson）在支持或使用这些任务的数据的同时，在科学的这一重大变革中处于领先地位。 Robertson在过去15年里一直与Nvidia合作，将GPU应用于理解太空的问题，首先是通过高级模拟测试有关超新星爆炸的理论，现在又开发工具来分析来自最新天文台的大量数据。

“从观察几个对象，到对大规模数据集进行基于CPU的分析，再到对这些相同分析进行GPU加速版本，已经发生了这样的演变，”他告诉TechCrunch。

罗伯逊和当时的研究生Ryan Hausen开发了一种名为Morpheus的深度学习模型，可以深入研究大型数据集并识别星系。他们对韦伯数据的早期人工智能分析发现了数量惊人的特定类型盘状星系，并为有关宇宙发展的理论增添了新的内容。

现在，Morpheus正在与时俱进：Robertson正在将其架构从卷积神经网络转变为大型语言模型兴起背后的变压器。这将使模型能够分析比目前多倍的区域，从而加快工作速度。