Ojo en el cielo con IA La iniciativa de UCSB tiene como objetivo pulverizar las amenazas espaciales utilizando NVIDIA RTX.
UCSB's initiative aims to pulverize space threats using NVIDIA RTX AI technology.
Cuando ocurren las lluvias de meteoros cada pocos meses, los espectadores pueden disfrutar de una escena deslumbrante de estrellas fugaces y rayas de luz que se dispersan por el cielo nocturno.
Normalmente, los meteoros son solo pequeños trozos de roca y polvo del espacio que se queman rápidamente al entrar en la atmósfera terrestre. Pero la historia daría un giro más oscuro si un cometa o asteroide fuera un poco más grande y se dirigiera directamente hacia la superficie de la Tierra con un tiempo mínimo de advertencia.
Este escenario es lo que el profesor de física Philip Lubin y algunos de sus estudiantes universitarios de la Universidad de California, Santa Bárbara, están tratando de contrarrestar.
El equipo recibió recientemente financiamiento de fase II de la NASA para explorar un enfoque nuevo y más práctico para la defensa planetaria, uno que les permitiría detectar y mitigar cualquier amenaza mucho más rápido y eficientemente. Su iniciativa se llama PI-Terminal Planetary Defense, con el PI que significa “Pulverízalo”.
Para ayudar al equipo a entrenar y acelerar los algoritmos de inteligencia artificial y aprendizaje automático que están desarrollando para detectar amenazas que están en curso de colisión con la Tierra, NVIDIA, como parte de su Programa de Aceleración de Investigación Aplicada, les ha proporcionado al grupo una tarjeta gráfica NVIDIA RTX A6000.
- Profesor del MIT al Congreso Estamos en un punto de inflexión con l...
- Haciendo evaluaciones de propiedades tan simples como tomar una foto.
- ¿Está la medicina preparada para la inteligencia artificial? Los mé...
Llevando la inteligencia artificial al cielo
Cada día, aproximadamente 100 toneladas de pequeños desechos caen sobre la Tierra, pero se desintegran rápidamente en la atmósfera con muy pocos sobreviviendo para llegar a la superficie. Sin embargo, asteroides más grandes, como aquellos responsables de los cráteres visibles en la superficie de la luna, representan un peligro real para la vida en la Tierra.
En promedio, cada 60 años aparecerá un asteroide que sea más grande que 65 pies de diámetro, similar al que explotó sobre Chelyabinsk, Rusia, en 2013, con una energía equivalente a aproximadamente 440,000 toneladas de TNT, según la NASA.
La iniciativa PI-Terminal Planetary Defense tiene como objetivo detectar amenazas relevantes antes, y luego utilizar una serie de penetradores cinéticos de hipervelocidad para pulverizar y desmontar un asteroide o pequeño cometa para minimizar en gran medida la amenaza.
El enfoque tradicional para la defensa planetaria ha implicado desviar amenazas, pero Pulverize-It pasa a romper efectivamente el asteroide o cometa en fragmentos mucho más pequeños, que luego se queman en la atmósfera de la Tierra a gran altitud, causando poco daño en el suelo. Esto permite una mitigación mucho más rápida.
Reconocer las amenazas es el primer paso crítico, es aquí donde Lubin y sus estudiantes aprovecharon el poder de la inteligencia artificial.
Muchas encuestas modernas recopilan cantidades masivas de datos astrofísicos, pero la velocidad de recopilación de datos es más rápida que la capacidad de procesar y analizar las imágenes recopiladas. El grupo de Lubin está diseñando una encuesta mucho más grande específicamente para la defensa planetaria que generaría cantidades aún mayores de datos que necesitan ser procesados rápidamente.
A través del aprendizaje automático, el grupo entrenó a una red neuronal llamada You Only Look Once Darknet. Es un sistema de detección de objetos casi en tiempo real que funciona en menos de 25 milisegundos por imagen. El grupo utilizó un gran conjunto de datos de imágenes etiquetadas para pre-entrenar la red neuronal, permitiendo que el modelo extraiga características geométricas de bajo nivel como líneas, bordes y círculos, y en particular amenazas como asteroides y cometas.
Los primeros resultados mostraron que la extracción de fuentes a través del aprendizaje automático fue hasta 10 veces más rápido y casi 3 veces más preciso que los métodos tradicionales.
Lubin y su grupo aceleraron su proceso de análisis de imágenes en aproximadamente 100 veces, con la ayuda de la GPU NVIDIA RTX A6000, así como de la plataforma de cómputo paralelo y el modelo de programación CUDA.
“Inicialmente, nuestra tubería, que apunta al procesamiento de imágenes en tiempo real, tardó 10 segundos en nuestro paso de sustracción”, dijo Lubin. “Al implementar la NVIDIA RTX A6000, inmediatamente redujimos este tiempo de procesamiento a 0,15 segundos”.
Combinando esta nueva potencia informática con los ampliados 48GB de VRAM, el equipo pudo implementar nuevos algoritmos basados en CuPy, lo que redujo en gran medida su tiempo de sustracción e identificación, permitiendo que toda la tubería se ejecute en solo seis segundos.
NVIDIA RTX aporta memoria meteorítica
Uno de los mayores desafíos técnicos del grupo ha sido cumplir con los requisitos de memoria GPU, así como disminuir el tiempo de ejecución de los procesos de entrenamiento. A medida que el proyecto crece, Lubin y sus estudiantes acumulan cantidades cada vez mayores de datos para el entrenamiento. Pero a medida que los conjuntos de datos se expandieron, necesitaban una GPU que pudiera manejar los tamaños de archivo masivos.
Los 48GB de memoria del RTX A6000 permiten a los equipos manejar los gráficos y conjuntos de datos más complejos sin preocuparse por obstaculizar el rendimiento.
“Cada imagen tendrá alrededor de 100 megapíxeles, y estamos colocando muchas imágenes dentro de la memoria de la GPU RTX”, dijo Lubin. “Ayuda a mitigar el cuello de botella de obtener datos dentro y fuera”.
El grupo trabaja en simulaciones que demuestran varias fases del proyecto, incluyendo los efectos terrestres de las ondas de choque, así como los pulsos de luz óptica de cada fragmento que se quema en la atmósfera terrestre. Estas simulaciones se hacen localmente, ejecutándose en códigos desarrollados a medida escritos en C++ y Python multiprocesador y multihilo.
El proceso de procesamiento de imágenes para la detección rápida de amenazas se ejecuta en códigos personalizados de C++, Python y CUDA utilizando múltiples procesadores Intel Xeon y la GPU NVIDIA RTX A6000.
Otras simulaciones, como una que presenta la intercepción de hipervelocidad de los fragmentos amenazantes, se realizan utilizando la instalación de Supercomputación Avanzada de la NASA (NAS) en el Centro de Investigación Ames de la NASA. La instalación se actualiza constantemente y ofrece más de 13 petaflops de rendimiento informático. Estas visualizaciones se ejecutan en los superordenadores NAS equipados con CPUs Intel Xeon y GPUs NVIDIA RTX A6000.
Echa un vistazo a algunas de estas simulaciones en el canal Deepspace de YouTube del grupo UCSB.
Aprende más sobre el proyecto de defensa planetaria PI-Terminal y NVIDIA RTX.
