Eye in the Sky With AI: ابتکار UCSB با استفاده از NVIDIA RTX قصد دارد تهدیدات فضایی را پودر کند

لوبین و گروهش با کمک پردازنده گرافیکی NVIDIA RTX A6000 و همچنین 100 برابر فرآیند تحلیل تصویر خود را تسریع کردند. CUDA پلت فرم محاسبات موازی و مدل برنامه نویسی

لوبین گفت: “هر تصویر حدود 100 مگاپیکسل خواهد بود و ما تصاویر زیادی را در حافظه GPU RTX قرار می دهیم.” “این به کاهش تنگنای ورود و خروج داده ها کمک می کند.”

برای کمک به تیم برای آموزش و سرعت بخشیدن به الگوریتم های هوش مصنوعی و یادگیری ماشینی که در حال توسعه برای شناسایی تهدیدهایی هستند که در مسیر برخورد با زمین هستند، NVIDIA به عنوان بخشی از آن برنامه شتاب دهنده تحقیقات کاربردی، به گروه داده است NVIDIA RTX A6000 کارت گرافیک.

بردن هوش مصنوعی به آسمان

چنین سناریویی همان چیزی است که استاد فیزیک فیلیپ لوبین و برخی از دانشجویان کارشناسی او در دانشگاه کالیفرنیا، سانتا باربارا، در تلاش برای مقابله با آن هستند.

خط لوله پردازش تصویر برای تشخیص سریع تهدید روی کدهای C++، Python و CUDA سفارشی با استفاده از چندین پردازنده Intel Xeon و پردازنده گرافیکی NVIDIA RTX A6000 اجرا می‌شود.

لوبین گفت: «در ابتدا، خط لوله ما – که هدف آن پردازش تصویر در زمان واقعی است – برای مرحله تفریق ما 10 ثانیه طول کشید. “با پیاده سازی NVIDIA RTX A6000، ما بلافاصله این زمان پردازش را به 0.15 ثانیه کاهش دادیم.”

یکی از بزرگ‌ترین چالش‌های فنی این گروه، برآوردن نیاز حافظه GPU و همچنین کاهش زمان اجرا فرآیندهای آموزشی بوده است. با رشد پروژه، لوبین و شاگردانش به طور فزاینده ای داده ها را برای آموزش جمع آوری می کنند. اما با گسترش مجموعه داده ها، آنها به یک GPU نیاز داشتند که بتواند حجم فایل های عظیم را مدیریت کند.

این گروه روی شبیه‌سازی‌هایی کار می‌کند که مراحل مختلفی از پروژه را نشان می‌دهد، از جمله اثرات زمینی ناشی از امواج شوک، و همچنین پالس‌های نوری نوری از هر قطعه‌ای که در جو زمین می‌سوزد. این شبیه‌سازی‌ها به صورت محلی انجام می‌شوند و بر روی کدهای سفارشی توسعه‌یافته نوشته شده در C++ و Python چند رشته‌ای، چند پردازنده‌ای اجرا می‌شوند.

به طور معمول، شهاب‌ها تنها قطعات کوچکی از سنگ و غبار از فضا هستند که با ورود به جو زمین به سرعت می‌سوزند. اما اگر یک دنباله‌دار یا سیارک کمی بیش از حد بزرگ باشد و با کمترین زمان هشدار مستقیماً به سمت سطح زمین حرکت کند، داستان چرخش تاریک‌تری خواهد داشت.

هر روز تقریباً 100 تن زباله‌های کوچک روی زمین می‌بارند، اما به سرعت در جو متلاشی می‌شوند و تعداد کمی از آنها برای رسیدن به سطح باقی می‌مانند. با این حال، سیارک‌های بزرگ‌تر، مانند سیارک‌هایی که مسئول دهانه‌های قابل مشاهده در سطح ماه هستند، خطری واقعی برای حیات روی زمین هستند.

بسیاری از بررسی‌های مدرن حجم عظیمی از داده‌های اخترفیزیکی را جمع‌آوری می‌کنند، اما سرعت جمع‌آوری داده‌ها سریع‌تر از توانایی پردازش و تجزیه و تحلیل تصاویر جمع‌آوری‌شده است. گروه Lubin در حال طراحی یک بررسی بسیار بزرگتر به طور خاص برای دفاع سیاره ای است که می تواند مقادیر بیشتری از داده ها را تولید کند که نیاز به پردازش سریع دارند.

شبیه‌سازی‌های دیگر، مانند شبیه‌سازی که رهگیری با سرعت بالای قطعات تهدید را نشان می‌دهد، با استفاده از تسهیلات ابررایانه پیشرفته ناسا (NAS) در مرکز تحقیقات ایمز ناسا انجام می‌شود. این تسهیلات دائماً ارتقا می یابد و بیش از 13 پتافلاپ عملکرد محاسباتی را ارائه می دهد. این تجسم‌ها روی ابررایانه‌های NAS مجهز به پردازنده‌های Xeon اینتل و پردازنده‌های گرافیکی NVIDIA RTX A6000 اجرا می‌شوند.

نتایج اولیه نشان داد که استخراج منبع از طریق یادگیری ماشینی تا 10 برابر سریع‌تر و تقریباً 3 برابر دقیق‌تر از روش‌های سنتی است.

ابتکار PI-Terminal Planetary Defense با هدف شناسایی زودتر تهدیدات مربوطه، و سپس استفاده از آرایه‌ای از نفوذگرهای جنبشی با سرعت بالا برای پودر کردن و جداسازی یک سیارک یا دنباله‌دار کوچک برای به حداقل رساندن بسیار تهدید است.

هنگامی که بارش شهابی هر چند ماه یکبار اتفاق می افتد، بینندگان صحنه ای خیره کننده از ستاره های در حال تیراندازی و رگه های نوری را که در آسمان شب پراکنده می شوند، تماشا می کنند.

به طور متوسط، تقریباً هر 60 سال، یک سیارک با قطر بیشتر از 65 فوت ظاهر می شود، شبیه به سیارکی که در سال 2013 بر فراز چلیابینسک روسیه منفجر شدبه گفته ناسا، با انرژی معادل حدود 440000 تن TNT.

این تیم اخیراً بودجه فاز دوم را از ناسا دریافت کرد تا رویکردی جدید و عملی‌تر برای دفاع سیاره‌ای را کشف کند – رویکردی که به آن‌ها امکان می‌دهد هر گونه تهدیدی را بسیار سریع‌تر و کارآمدتر شناسایی و کاهش دهند. ابتکار آنها نامیده می شود PI-Terminal Planetary Defense، با PI مخفف “Pulverize It” است.

رویکرد سنتی برای دفاع سیاره‌ای مستلزم انحراف تهدیدات است، اما Pulverize-It تبدیل به تجزیه موثر سیارک یا دنباله‌دار به قطعات بسیار کوچک‌تر می‌شود که سپس در جو زمین در ارتفاعات بالا می‌سوزند و آسیب کمی به زمین وارد می‌کنند. این امکان کاهش سریعتر را فراهم می کند.

حافظه 48 گیگابایتی RTX A6000 به تیم‌ها اجازه می‌دهد تا پیچیده‌ترین گرافیک‌ها و مجموعه‌های داده را بدون نگرانی در مورد اختلال عملکرد مدیریت کنند.

بخوانید:   تیم بالتز از The Righteous Gemstones در حال نبرد با یک مرد برهنه صحبت می کند

بیشتر بدانید در مورد PI-Terminal Planetary Defense پروژه و NVIDIA RTX.

منبع: https://blogs.nvidia.com/blog/2023/06/09/planetary-defense-rtx/

از طریق یادگیری ماشینی، این گروه یک شبکه عصبی به نام You Only Look Once Darknet را آموزش دادند. این یک سیستم تشخیص شی تقریباً در زمان واقعی است که در کمتر از 25 میلی ثانیه در هر تصویر کار می کند. این گروه از مجموعه داده‌های بزرگی از تصاویر برچسب‌گذاری شده برای پیش‌آموزش شبکه عصبی استفاده کرد که به مدل اجازه می‌دهد ویژگی‌های هندسی سطح پایین مانند خطوط، لبه‌ها و دایره‌ها و به‌ویژه تهدیداتی مانند سیارک‌ها و دنباله‌دارها را استخراج کند.

ترکیب این قدرت محاسباتی جدید با 48 گیگابایت VRAM گسترش یافته، تیم را قادر می سازد تا الگوریتم های جدید مبتنی بر CuPy را پیاده سازی کند، که زمان تفریق و شناسایی آنها را تا حد زیادی کاهش داد و به کل خط لوله اجازه داد تنها در شش ثانیه اجرا شود.

NVIDIA RTX حافظه Meteor را به ارمغان می آورد

شناسایی تهدیدها اولین گام حیاتی است – اینجا جایی است که لوبین و شاگردانش از قدرت هوش مصنوعی بهره بردند.

برخی از این شبیه سازی ها را در سایت بررسی کنید کانال یوتیوب Deepspace گروه UCSB.