NASA 下一代空间望远镜提前八个月发射，数据洪流倒逼天文学家转向 GPU
美国国家航空航天局（NASA）宣布，Nancy Grace Roman 空间望远镜将于 2026 年 9 月发射，比原计划提前约八个月。该望远镜在服役期间预计向天文学家交付 20,000 TB（太字节） 数据。
这一数据规模站在了巨人的肩膀上。2021 年投入运行的 James Webb 空间望远镜每天下行约 57 GB 的影像数据；计划今年启动巡天的 Vera C. Rubin 天文台（位于智利山区）每晚将产生 20 TB 数据。相比之下，曾是黄金标准的 Hubble 空间望远镜每日数据量仅有 1–2 GB。
如此海量的数据，人工分析早已不现实。天文学家正集体转向 GPU 算力来解决问题。
15 年 NVIDIA 合作史：深度学习模型 Morpheus 从 CNN 架构迁移至 Transformer
加州大学圣克鲁兹分校（UC Santa Cruz）的天体物理学家 Brant Robertson 亲历了这场变革。过去 15 年，他与 NVIDIA 合作，将 GPU 加速技术应用于天体物理研究——早期通过高级模拟验证超新星爆发理论，如今则开发工具分析新一代巡天设备的洪流数据。
Robertson 与当时的研究生 Ryan Hausen 共同开发了深度学习模型 Morpheus：输入大规模数据集，自动识别星系结构。他们早期对 Webb 望远镜数据的 AI 分析意外发现大量特定类型的盘状星系，为宇宙演化理论带来了新的变量。
目前 Morpheus 正在升级架构：Robertson 正将其从卷积神经网络（CNN）转向大语言模型背后的 Transformer 架构。这将使模型单次分析面积扩大数倍，显著提升处理效率。
Robertson 还在训练生成式 AI 模型，利用空间望远镜数据改善地面望远镜的观测质量。地面望远镜受地球大气扰动影响，导致影像失真。虽然火箭技术持续进步，但将 8 米口径的镜子送入轨道仍然困难重重，因此用软件提升 Rubin 天文台的观测效果是当前最可行的方案。
GPU 算力争夺战：NSF 集群老化，预算削减威胁基础设施
然而算力瓶颈依然严峻。Robertson 曾借助美国国家科学基金会（NSF）的支持，在 UC Santa Cruz 搭建了 GPU 集群，但随着更多研究者希望将计算密集型技术应用于自身领域，这套系统已日渐老化。屋漏偏逢连夜雨——特朗普zf 已在最新预算提案中提议将 NSF 预算削减 50%。
"人们想做 AI /机器学习分析，而 GPU 确实是唯一出路。你必须具备创业精神……尤其是站在技术前沿时。高校非常规避风险，因为资源有限，所以你必须走出去，向他们证明：'看，这就是我们领域的方向。'" Robertson 如是说道。
评论