Eye in the Sky With AI : l’initiative UCSB vise à pulvériser les menaces spatiales à l’aide de NVIDIA RTX

Eye in the Sky With AI : l’initiative UCSB vise à pulvériser les menaces spatiales à l’aide de NVIDIA RTX

Lorsque des averses de météorites se produisent tous les quelques mois, les téléspectateurs peuvent regarder une scène éblouissante d’étoiles filantes et de traînées lumineuses se dispersant dans le ciel nocturne.

Normalement, les météores ne sont que de petits morceaux de roche et de poussière de l’espace qui brûlent rapidement lorsqu’ils pénètrent dans l’atmosphère terrestre. Mais l’histoire prendrait une tournure plus sombre si une comète ou un astéroïde était un peu trop gros et se dirigeait directement vers la surface de la Terre avec un temps d’avertissement minimal.

Un tel scénario est ce que le professeur de physique Philip Lubin et certains de ses étudiants de premier cycle à l’Université de Californie à Santa Barbara s’efforcent de contrecarrer.

L’équipe a récemment reçu un financement de phase II de la NASA pour explorer une nouvelle approche plus pratique de la défense planétaire, qui leur permettrait de détecter et d’atténuer toute menace beaucoup plus rapidement et plus efficacement. Leur initiative s’appelle PI-Terminal Planetary Defense, le PI signifiant “Pulverize It”.

Pour aider l’équipe à former et à accélérer les algorithmes d’intelligence artificielle et d’apprentissage automatique qu’ils développent pour détecter les menaces qui sont sur une trajectoire de collision avec la Terre, NVIDIA, dans le cadre de son programme d’accélération de la recherche appliquée, a fourni au groupe une carte graphique NVIDIA RTX A6000. carte.

Amener l’IA vers le ciel

Chaque jour, environ 100 tonnes de petits débris pleuvent sur Terre, mais ils se désintègrent rapidement dans l’atmosphère et très peu survivent pour atteindre la surface. Cependant, les astéroïdes plus gros, comme ceux responsables des cratères visibles à la surface de la Lune, représentent un réel danger pour la vie sur Terre.

En moyenne, environ tous les 60 ans, un astéroïde de plus de 65 pieds de diamètre apparaîtra, similaire à celui qui a explosé au-dessus de Tcheliabinsk, en Russie, en 2013, avec l’équivalent énergétique d’environ 440 000 tonnes de TNT, selon la NASA.

L’initiative PI-Terminal Planetary Defense vise à détecter plus tôt les menaces pertinentes, puis à utiliser un ensemble de pénétrateurs cinétiques à hypervitesse pour pulvériser et désassembler un astéroïde ou une petite comète afin de minimiser considérablement la menace.

L’approche traditionnelle de la défense planétaire impliquait de dévier les menaces, mais Pulverize-It consiste à briser efficacement l’astéroïde ou la comète en fragments beaucoup plus petits, qui brûlent ensuite dans l’atmosphère terrestre à haute altitude, causant peu de dommages au sol. Cela permet une atténuation beaucoup plus rapide.

Reconnaître les menaces est la première étape critique – c’est là que Lubin et ses étudiants ont exploité la puissance de l’IA.

De nombreuses enquêtes modernes collectent des quantités massives de données astrophysiques, mais la vitesse de collecte des données est plus rapide que la capacité de traiter et d’analyser les images collectées. Le groupe de Lubin conçoit une enquête beaucoup plus vaste spécifiquement pour la défense planétaire qui générerait des quantités encore plus importantes de données qui doivent être traitées rapidement.

Grâce à l’apprentissage automatique, le groupe a formé un réseau de neurones appelé You Only Look Once Darknet. Il s’agit d’un système de détection d’objets en temps quasi réel qui fonctionne en moins de 25 millisecondes par image. Le groupe a utilisé un vaste ensemble de données d’images étiquetées pour pré-entraîner le réseau de neurones, permettant au modèle d’extraire des caractéristiques géométriques de bas niveau telles que des lignes, des arêtes et des cercles, et dans et en particulier des menaces telles que les astéroïdes et les comètes.

Les premiers résultats ont montré que l’extraction à la source via l’apprentissage automatique était jusqu’à 10 fois plus rapide et près de 3 fois plus précise que les méthodes traditionnelles.

Lubin et son groupe ont accéléré leur processus d’analyse d’images d’environ 100 fois, avec l’aide du GPU NVIDIA RTX A6000, ainsi que de la plate-forme de calcul parallèle CUDA et du modèle de programmation.

“Au départ, notre pipeline – qui vise le traitement d’image en temps réel – prenait 10 secondes pour notre étape de soustraction”, a déclaré Lubin. “En mettant en œuvre le NVIDIA RTX A6000, nous avons immédiatement réduit ce temps de traitement à 0,15 seconde.”

La combinaison de cette nouvelle puissance de calcul avec les 48 Go de VRAM étendus a permis à l’équipe de mettre en œuvre de nouveaux algorithmes basés sur CuPy, ce qui a considérablement réduit leur temps de soustraction et d’identification, permettant à l’ensemble du pipeline de s’exécuter en seulement six secondes.

NVIDIA RTX apporte la mémoire Meteor

L’un des plus grands défis techniques du groupe a été de répondre aux besoins en mémoire GPU, ainsi que de réduire la durée d’exécution des processus de formation. Au fur et à mesure que le projet grandit, Lubin et ses étudiants accumulent des quantités de plus en plus importantes de données pour la formation. Mais à mesure que les ensembles de données se développaient, ils avaient besoin d’un GPU capable de gérer les tailles de fichiers massives.

Les 48 Go de mémoire du RTX A6000 permettent aux équipes de gérer les graphiques et les ensembles de données les plus complexes sans se soucier d’entraver les performances.

“Chaque image sera d’environ 100 mégapixels, et nous mettons de nombreuses images dans la mémoire du GPU RTX”, a déclaré Lubin. “Cela aide à atténuer le goulot d’étranglement de l’entrée et de la sortie des données.”

Le groupe travaille sur des simulations qui démontrent différentes phases du projet, y compris les effets au sol des ondes de choc, ainsi que les impulsions lumineuses optiques de chaque fragment qui brûle dans l’atmosphère terrestre. Ces simulations sont effectuées localement, s’exécutant sur des codes développés sur mesure écrits en C++ et Python multithread et multiprocesseur.

Le pipeline de traitement d’image pour la détection rapide des menaces s’exécute sur des codes C++, Python et CUDA personnalisés à l’aide de plusieurs processeurs Intel Xeon et du GPU NVIDIA RTX A6000.

D’autres simulations, comme celle qui présente l’interception à hypervitesse des fragments de menace, sont réalisées à l’aide de l’installation NASA Advanced Supercomputing (NAS) au NASA Ames Research Center. L’installation est constamment mise à niveau et offre plus de 13 pétaflops de performances informatiques. Ces visualisations s’exécutent sur les supercalculateurs NAS équipés de processeurs Intel Xeon et de GPU NVIDIA RTX A6000.

Découvrez certaines de ces simulations sur la chaîne YouTube Deepspace du groupe UCSB.

En savoir plus sur le Défense planétaire PI-Terminal projet et NVIDIA RTX.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*