A NASA anunciou que lançará o telescópio espacial Nancy Grace Roman em órbita em setembro de 2026, oito meses antes do previsto. Espera-se que o novo telescópio espacial forneça 20.000 terabytes de dados aos astrônomos ao longo de sua vida.
Isso se somará aos 57 gigabytes de imagens de tirar o fôlego transmitidas diariamente pelo Telescópio Espacial James Webb, que iniciou seu trabalho em 2021, e ao início de uma pesquisa ainda este ano pelo Observatório Vera C. Rubin, nas montanhas do Chile, que deverá coletar 20 terabytes de dados todas as noites.
Para efeito de comparação, o telescópio espacial Hubble, que já foi o padrão ouro, fornece apenas 1 a 2 gigabytes de leituras de sensores por dia. Já faz um tempo que todas essas leituras não foram examinadas manualmente, mas como todo mundo com uma pilha de dados, os astrônomos agora estão recorrendo às GPUs para resolver seus problemas.
Brant Robertson, astrofísico da UC Santa Cruz, teve um lugar na primeira fila nesta mudança radical na ciência, ao mesmo tempo que apoiava ou utilizava dados destas missões. Robertson passou os últimos 15 anos trabalhando com a Nvidia para aplicar GPUs aos problemas de compreensão do espaço, primeiro por meio de simulações avançadas testando teorias sobre explosões de supernovas, e agora desenvolvendo ferramentas para analisar uma torrente de dados dos mais novos observatórios.
“Houve essa evolução (de) observar alguns objetos, fazer análises baseadas em CPU em grandes escalas do conjunto de dados e, em seguida, fazer versões aceleradas por GPU dessas mesmas análises”, disse ele ao TechCrunch.
Robertson e o então estudante de graduação Ryan Hausen desenvolveram um modelo de aprendizado profundo chamado Morpheus, que pode examinar grandes conjuntos de dados e identificar galáxias. A sua análise inicial de IA dos dados de Webb identificou um número surpreendente de um tipo específico de galáxias de disco e acrescentou um novo aspecto às teorias sobre o desenvolvimento do nosso Universo.
Agora Morpheus está mudando com o tempo: Robertson está mudando sua arquitetura de redes neurais convolucionais para os transformadores por trás do surgimento de grandes modelos de linguagem. Isso fará com que o modelo seja capaz de analisar várias vezes a área do que consegue atualmente, agilizando seu trabalho.
Evento Techcrunch
São Francisco, Califórnia
|
13 a 15 de outubro de 2026
Robertson também está trabalhando em modelos generativos de IA treinados em dados de telescópios espaciais para melhorar a qualidade das observações coletadas por telescópios terrestres, que são distorcidas pela atmosfera da Terra. Apesar dos avanços na construção de foguetes, ainda é difícil colocar um espelho de 8 metros em órbita, então usar software para melhorar as observações de Rubin é a segunda melhor opção.
Mas ele ainda sente a pressão da demanda global por acesso à GPU. Robertson usou a National Science Foundation para construir um cluster de GPU na UC Santa Cruz, mas ele está se tornando desatualizado, mesmo com mais pesquisadores querendo aplicar técnicas de computação intensiva em seu trabalho. A administração Trump propôs cortar o orçamento da NSF em 50% no seu actual pedido de orçamento.
“As pessoas querem fazer essas análises de IA, ML e GPUs são realmente a maneira de fazer isso”, disse Robertson. “Você tem que ser empreendedor… especialmente quando você está trabalhando no limite de onde a tecnologia está. As universidades são muito avessas ao risco porque elas simplesmente têm recursos limitados, então você tem que sair e mostrar-lhes que, ‘olha, é para aqui que estamos indo como campo.'”
Quando você compra por meio de links em nossos artigos, podemos ganhar uma pequena comissão. Isso não afeta nossa independência editorial.
